← 行业趋势

多模态心电数据集如何打破数据孤岛？MEETI 开源基准的“信号+图像+文本”四位一体构建解读

北京大学团队在 Scientific Data 发布首个大规模心电全模态对齐开源数据集 MEETI，基于 MIMIC-IV-ECG 的 80 余万份 12 导联记录二次开发，把原始波形、绘制图像、逐拍参数与 LLM 生成的文本解释四位一体对齐，为可解释的多模态心血管 AI 提供了可复现基准。

研究背景：心电 AI 为什么卡在“数据孤岛”？

心血管疾病是全球第一大死因，每年导致超过 1700 万人死亡。心电图（Electrocardiogram，ECG）是评估心脏电生理活动最基础、最无创的手段，对诊断心律失常、心肌缺血和传导障碍不可或缺。

但一个矛盾长期存在：深度学习在心电波形识别上已经能达到“专家级”水平，可临床真正可用的多模态心电 AI 却迟迟落不了地。根子不在算法，而在数据——公开的心电数据集大多是单模态的，最多只做到“信号 + 文本”两两配对。

更棘手的是，现有大语言模型（LLM）根本没法直接处理心电波形：心电信号有时序动态和幅度变化，本质是时间序列，跟图像的空间模式完全不同。想训练一个既能“看懂波形”、又能结合图像和文本做推理的心电大模型，市面上几乎没有现成的开源医学数据集可用。

创新点：MEETI 如何把信号、图像、文本、参数“四位一体”对齐？

北京大学健康医疗大数据国家研究院洪申达团队，在 Scientific Data 上发布了 MEETI（MIMIC-IV-Ext ECG-Text-Image）——首个大规模心电全模态对齐开源数据集。

它的核心思路可以一句话概括：对海量现成的临床数据做“二次价值挖掘”，把同一段心电的四种表达方式用统一标识符锁在一起。

  • 原始波形：机器可直接计算的数字信号；
  • 绘制图像：医生实际看诊时依赖的高分辨率心电图图像，保留视觉形态信息；
  • 逐拍参数：从每个导联提取的逐拍量化参数，支撑细粒度分析与可解释性；
  • 文本解释：由大语言模型生成的详细文本解释，提供语义与推理逻辑。

数据集构建方法：80 万份记录的“二次开发”与对齐

MEETI 不是从零采集，而是基于开源数据库里的 MIMIC-IV-ECG（含 80 余万份 12 导联心电图记录）做系统性深度开发。

  • 统一标识对齐：每一条记录都用唯一标识符，把波形、图像、参数、文本四个组件一一对齐，避免模态之间“对不上号”。
  • 文本解释生成：用大语言模型为心电生成详细解释文本，弥补了传统数据集“有信号、无语义”的缺口。
  • 开放与可获取：约 1 万条多模态样本放在 Zenodo，因 Zenodo 单库 200GB 上限，完整数据集托管在 Hugging Face 的 PKUDigitalHealth/MEETI 仓库，采用 CC BY 4.0 协议。

这种“结构化医疗数据 + 医疗 NLP 数据集”并举的设计，让同一段心电既能用于信号分析，也能用于图像理解和文本推理。

数据说话：从“单模态识别”走向“多模态逻辑推演”

MEETI 的价值，在于它把心电 AI 的研究范式往前推了一步：

维度 传统心电数据集 MEETI
模态 单模态，或信号-文本 波形+图像+参数+文本四模态
文本解释 多缺失 LLM 生成详细解释
逐拍参数 多缺失 逐导联逐拍量化
对齐方式 弱 唯一标识符严格对齐

MEETI 四位一体对齐架构示意

团队指出，MEETI 的发布标志着 AI-ECG 研究正在从单一的“信号识别”向“多模态逻辑推演”的学术范式演进。它既为具备跨模态理解能力的医疗大模型提供了数据基石，也为心血管疾病辅助决策提供了可复现的基准测试集。

应用前景与局限

MEETI 的想象空间，主要在可解释的心血管 AI：

  • 跨模态心电大模型：让模型同时吃波形、图像、文本，做更贴合医生思维的推理。
  • 报告生成与解释：借助文本解释对齐，训练能“说出依据”的心电解读模型。
  • 细粒度风险分析：逐拍参数为心律失常、心肌缺血等提供了更细粒度的特征。

局限同样要讲清楚：

  • 解释文本由 LLM 生成，不是医生逐条人工校验，可能存在事实性偏差，需要后续临床专家复核；
  • 数据来自 ICU（重症监护）人群，分布偏重症，外推到普通门诊/体检人群时要谨慎；
  • 派生自 MIMIC-IV-ECG，本质是“二次开发”而非全新采集，标注的临床标准仍依赖上游数据库。

结论

MEETI 用一套“四位一体”的对齐设计，回答了心电 AI 最痛的一个问题：没有多模态开源数据，跨模态心电模型就无从训练。

它的启示在于：开源医学数据集的建设，未必都要从零采集——把已有海量临床数据做结构化、多模态的二次挖掘，同样能产出高价值的数据底座。对医疗 AI 而言，一份能把信号、图像、参数、文本严格对齐的开源数据集，比单个更强的模型更难复制，也更有长期价值。

相关问题

医疗AI训练数据怎么获取？

MEETI 给出了一条成本可控的路径：不一定要从零采集标注，而是对 MIMIC-IV-ECG 这类既有开源临床数据做二次开发，把波形、图像、参数、文本多模态对齐。这种方式可规模化，前提是尊重上游数据库的授权协议（MEETI 为 CC BY 4.0）并做好脱敏合规。

多模态心电数据集和传统心电数据集差在哪？

传统心电数据集多为单模态，最多做到信号-文本两两配对，模型难以结合视觉形态和语义逻辑；MEETI 把原始波形、绘制图像、逐拍参数、文本解释用唯一标识符严格对齐，支持 transformer 多模态学习和可解释推理，是从“信号识别”迈向“多模态逻辑推演”的关键一步。

MEETI 数据集在哪里下载？

完整数据集托管在 Hugging Face 的 PKUDigitalHealth/MEETI 仓库；因 Zenodo 单库 200GB 上限，约 1 万条多模态样本放在 Zenodo（DOI 10.5281/zenodo.18523205），采用 CC BY 4.0 协议，论文的数据可用性声明里写明了具体入口。

论文标题MEETI: A Multimodal ECG Dataset from MIMIC-IV-ECG with Signals, Images, Features and Interpretations（MEETI：基于 MIMIC-IV-ECG 的信号、图像、特征与解释多模态心电数据集）
作者Deyun Zhang、Xiang Lan、Shijia Geng、Qinghao Zhao、Sumei Fan、Mengling Feng、Shenda Hong（通讯）
机构北京大学健康医疗大数据国家研究院、安徽中医药大学、新加坡国立大学、中国科学院、北京大学人民医院、心声医疗科技（HeartVoice Medical Technology）等
期刊Scientific Data（Nature Portfolio）
发表时间2026 年 2 月 26 日
DOI10.1038/s41597-026-06796-1
PubMedPMID 41741503

论文原文信息地址：https://www.simodata.cn/blog/2026-09-28-meeti-multimodal-ecg/

参考文献

  1. Zhang D, Lan X, Geng S, Zhao Q, Fan S, Feng M, Hong S. MEETI: A Multimodal ECG Dataset from MIMIC-IV-ECG with Signals, Images, Features and Interpretations. Scientific Data, 2026. DOI: 10.1038/s41597-026-06796-1
  2. Gow B, Pollard T, Nathanson LA, Johnson A, Moody B, Fernandes C, et al. MIMIC-IV-ECG: Diagnostic Electrocardiogram Matched Subset (version 1.0). PhysioNet, 2023. DOI: 10.13026/4nqg-sb35
← 返回行业趋势