One malformed signal in mimic3 matched?
Dieses Issue hat noch niemand übernommen.
Bewertung
- Schwierigkeit
- 4/5
- Geschätzter Aufwand
- 3-5 Tage
- Anfängerfreundlichkeit
- 35/100
Rechercherichtung
Beginne damit, das Beispiel mit wfdb.rdrecord für p086831-2130-12-29-18-28n sowohl aus der Online-Datenbank als auch aus den lokalen .hea- und .dat-Dateien zu reproduzieren. Untersuche wfdb/io/_signal.py im Bereich von _check_sig_dims und vergleiche die deklarierten Sample-Dimensionen mit den geladenen Daten. Als erledigt gilt die Ermittlung, ob die Abweichung in wfdb oder in der MIMIC-Datei entsteht, sowie die Dokumentation der Belege.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Beschreibung
Hi,
I've been using wfdb-python to parse numerics from the mimic3 waveforms database at large. I've found just one file that appears to be unreadable by wfdb, from patient p086831. Here's a minimum example (pulling from the online database):
import wfdb
rec_id = "p086831-2130-12-29-18-28n"
# rec_path = "mimic3wdb/1.0/matched/p08/p086831/"
rec_path = "mimic3wdb-matched/1.0/p08/p086831/"
rec = wfdb.rdrecord(rec_id, pn_dir=rec_path)
ValueError Traceback (most recent call last)
Cell In[6], line 6
4 # rec_path = "mimic3wdb/1.0/matched/p08/p086831/"
5 rec_path = "mimic3wdb-matched/1.0/p08/p086831/"
----> 6 rec = wfdb.rdrecord(rec_id, pn_dir=rec_path)
...
File .../venv/lib/python3.11/site-packages/wfdb/io/_signal.py:2051, in _check_sig_dims(sig, read_len, n_sig, samps_per_frame)
2049 for ch in range(n_sig):
2050 if len(sig[ch]) != samps_per_frame[ch] * read_len:
-> 2051 raise ValueError("Samples were not loaded correctly")
ValueError: Samples were not loaded correctly
This also occurs when pulling the respective .hea and .dat files locally and using wfdb from there.
Perhaps this is an issue with the MIMIC file itself, but I wanted to start here, since I'm not sure how to tell. Might this be a MIMIC bug, or is this a wfdb issue?
Thanks in advance--
- Vorherrschende Sprache
- Jupyter Notebook
- Sterne
- 853
- Forks
- 322
- PR-Merge-Kennzahlen
- Keine gemergten PRs in 30 T.
Beitragsleitfaden
Für dieses Repository ist kein Beitragsleitfaden indexiert
Erste Schritte
- Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
- Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
- Forken Sie das Repository und arbeiten Sie in einem Branch.
- Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.
Mehr aus MIT-LCP/wfdb-python
-
Schwierigkeit 4/5 3-5 Tage Anfängerfreundlichkeit 45/100
MIT-LCP/wfdb-python#568 ·
-
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 48/100
MIT-LCP/wfdb-python#557 ·
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 58/100
MIT-LCP/wfdb-python#554 ·
-
WFDB path ignored Offen
Schwierigkeit 4/5 3-5 Tage Anfängerfreundlichkeit 35/100
MIT-LCP/wfdb-python#545 ·
-
Schwierigkeit 5/5 Über eine Woche Anfängerfreundlichkeit 30/100
MIT-LCP/wfdb-python#540 ·
Alle Issues in MIT-LCP/wfdb-python
Ähnliche Issues
-
bug needs triage p2
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 78/100
GoogleCloudPlatform/DataflowTemplates#4273 · 1 Kommentar ·
-
correction metadata
Schwierigkeit 1/5 Unter einer Stunde Anfängerfreundlichkeit 72/100
acl-org/acl-anthology#10025 · 1 Kommentar ·
-
bug
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 88/100
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 76/100
-
Schema-level dtype cannot be serialized: to_yaml raises RepresenterError, to_json raises TypeError Offen
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 76/100
unionai-oss/pandera#2511 ·