---
license: other
---

# mimic (repack)

MIMIC-CXR-JPG 的重新打包版本，把原始的目录树（`files/p1X/pXXXXXXXX/sXXXXXXXX/*.jpg`）按病人分组、切成若干 parquet shard，方便整体上传/下载，同时保留精确复原原始目录结构所需的全部信息。附带的评测脚本和专家模型预测结果也放在这个 repo 里。

## 目录结构

```
.
├── p10-manifest.csv          # p10 桶的文件清单（不含图像本身）
├── p10-shard-00000.parquet   # p10 桶的图像数据，按 patient 分组切片
├── p10-shard-00001.parquet
├── ...
├── p11-manifest.csv
├── p11-shard-00000.parquet
├── ...                            # p12 ~ p19，每个桶结构相同
├── restore_from_parquet.py        # 从 parquet shard 还原成原始目录结构的脚本
├── eval/
│   ├── eval_lingshu_dualexpert_mscxr.py   # 评测脚本
│   └── test.csv                            # 测试集划分指引
└── expert_preds/
    ├── mdetr_agpt_instances.csv            # MDETR-AGPT，test set 上的推理结果
    ├── transvg_agpt_instances.csv          # TransVG-AGPT，test set 上的推理结果
    ├── mdetr_agpt_instances_transet.csv    # MDETR-AGPT，train set 上的推理结果
    └── transvg_agpt_instances_trainset.csv # TransVG-AGPT，train set 上的推理结果
```

`pXX` 对应 MIMIC-CXR 原始目录里按 `subject_id` 前两位分桶的方式（`p10` ~ `p19`），每个桶内部按病人（`patient_id`）分组打包，保证同一个病人的所有图像落在同一个 shard 里。

## parquet shard 里的字段

| 列名 | 说明 |
|---|---|
| `image` | 图像原始字节（未做任何格式转换，原样内嵌） |
| `relative_path` | 相对原始 `files/` 目录的完整路径，例如 `p10/p10000032/s50414267/xxxxx.jpg` |
| `patient_id` | 病人 ID，例如 `p10000032` |

## 如何下载并还原成原始目录结构

```bash
pip install hf

hf download sunday-hao/mimic --repo-type dataset --local-dir ./mimic_shards
```

下载下来的 parquet shard 需要用 repo 里自带的 `restore_from_parquet.py` 还原成原始目录树（逐行读出 `relative_path` + `image` 字节，原样写回对应路径，字节级一致）：

```bash
cd ./mimic_shards
python restore_from_parquet.py --shards-dir . --output-dir ./mimic-cxr-2.0.0/files
```

## eval / expert_preds

- `eval/`：评测脚本（`eval_lingshu_dualexpert_mscxr.py`）和测试集划分指引（`test.csv`）
- `expert_preds/`：MDETR-AGPT、TransVG-AGPT 两个专家模型的推理结果，分别提供了在 **test set** 和 **train set** 上的版本（文件名里带 `train`/`trainset` 后缀的是 train set 上的结果，不带后缀的是 test set 上的结果）