MIT-BIH 等 4 大 ECG 数据集实战：Python WFDB 库读取与 3 种格式解析

ECG数据处理Python WFDB医疗AI

于 2026-07-07 09:56:40 修改

·本内容遵循CC 4.0 BY-SA版权协议

MIT-BIH等4大ECG数据集实战：Python WFDB库读取与3种格式解析

1. 心电图数据处理的工程挑战

心电图（ECG）信号分析是医疗AI领域的重要研究方向，但原始数据的复杂性常常成为算法开发的第一道门槛。不同于常见的CSV或JSON格式，专业ECG数据集通常采用WFDB（Waveform Database）格式存储，包含.hea头文件、.dat二进制数据和.atr注释文件的组合。这种存储方式虽然高效，却给数据工程师带来了三大典型挑战：

多文件协同处理：单次心跳分析需要同步读取三个关联文件
采样率差异：不同数据集采用250Hz到1000Hz不等的采样频率
标注体系不统一：各数据集的异常心跳标注标准存在差异

以MIT-BIH心律失常数据库为例，其包含48条半小时以上的双导联记录，总数据量超过200MB。每条记录包含：

PYTHON

mitdb/

├── 100.hea # 头文件（采样率、信号增益等信息）

├── 100.dat # 波形数据（二进制格式）

└── 100.atr # 专家标注（心跳类型与位置）

2. 环境配置与数据准备

2.1 安装WFDB工具包

推荐使用conda创建独立Python环境：

BASH

conda create -n ecg python=3.8

conda activate ecg

pip install wfdb neurokit2 resampy matplotlib

2.2 数据集下载指南

四大核心ECG数据集获取方式：

数据集名称	记录数量	采样率	下载方式
MIT-BIH Arrhythmia	48	360Hz	PhysioNet官网直接下载
PTB Diagnostic	549	1000Hz	需要注册后获取
European ST-T	90	250Hz	PhysioNet ATM工具导出
AHA ECG Database	155	250Hz	需联系美国心脏协会申请

提示：使用wfdb.dl_database()可自动下载PhysioNet开放数据集，例如：

PYTHON

wfdb.dl_database('mitdb', './data')

3. 多格式数据解析实战

3.1 标准WFDB格式读取

PYTHON

import wfdb

# 读取100号记录的前10秒数据

record = wfdb.rdrecord('data/mitdb/100',

sampfrom=0,

sampto=3600, # 360Hz × 10s

channels=[0]) # 只读取MLII导联

annotation = wfdb.rdann('data/mitdb/100', 'atr')

# 可视化首5个心跳周期

wfdb.plot_wfdb(record=record, annotation=annotation,

time_units='seconds',

figsize=(10,6),

ann_style='r-',

title='MIT-BIH Record 100')

关键参数解析：

p_signal: 模拟电压值（mV）
d_signal: 数字采样值
fs: 采样频率
symbol: 心跳类型编码（N=正常，V=室性早搏）

3.2 不同采样率的重采样处理

当合并多个数据集时，需统一采样率。使用resampy进行高质量重采样：

PYTHON

import resampy

# 将250Hz数据上采样到360Hz

original_signal = record.p_signal[:,0]

resampled = resampy.resample(original_signal,

sr_orig=250,

sr_new=360,

filter='kaiser_best')

# 频谱对比

import matplotlib.pyplot as plt

plt.figure(figsize=(12,4))

plt.subplot(121)

plt.magnitude_spectrum(original_signal, Fs=250)

plt.subplot(122)

plt.magnitude_spectrum(resampled, Fs=360)

3.3 转换为通用数据格式

方案1：Numpy数组存储

PYTHON

import numpy as np

# 构建时间-振幅二维数组

timestamps = np.arange(len(record.p_signal)) / record.fs

ecg_matrix = np.column_stack((timestamps, record.p_signal))

# 保存为NPZ格式

np.savez_compressed('mitdb_100.npz',

time=timestamps,

signal=record.p_signal,

labels=[annotation.symbol])

方案2：结构化CSV

PYTHON

import pandas as pd

df = pd.DataFrame({

'timestamp': timestamps,

'MLII': record.p_signal[:,0],

'V1': record.p_signal[:,1] if record.n_sig>1 else None,

'annotation': pd.Series(annotation.symbol).reindex(

annotation.sample/record.fs,

method='ffill')

})

df.to_csv('mitdb_100.csv', index=False)

方案3：HDF5高效存储

PYTHON

import h5py

with h5py.File('ecg_data.h5', 'w') as hf:

hf.create_dataset('mitdb/100/signal', data=record.p_signal)

hf.create_dataset('mitdb/100/fs', data=record.fs)

hf.create_dataset('mitdb/100/annotations',

data=np.array(annotation.sample))

4. 高级处理技巧

4.1 批处理管道设计

PYTHON

from concurrent.futures import ThreadPoolExecutor

def process_record(record_id):

try:

record = wfdb.rdrecord(f'data/mitdb/{record_id}')

ann = wfdb.rdann(f'data/mitdb/{record_id}', 'atr')

# 添加自定义处理逻辑...

return preprocessed_data

except Exception as e:

print(f"Error processing {record_id}: {str(e)}")

# 并行处理所有记录

with ThreadPoolExecutor(max_workers=4) as executor:

results = list(executor.map(process_record, range(100, 125)))

4.2 数据增强策略

针对ECG数据不足的解决方案：

方法	实现方式	适用场景
时间扭曲	动态时间规整(DTW)	心跳形态变异
加性噪声	添加肌电噪声(0.1-0.5mV)	提高模型鲁棒性
导联变换	虚拟导联生成	多导联数据扩充
分段重组	正常与异常心跳组合	罕见心律失常

PYTHON

# 示例：添加基线漂移

def add_baseline_wander(signal, fs, wander_freq=0.15):

t = np.arange(len(signal)) / fs

wander = 0.3 * np.sin(2 * np.pi * wander_freq * t)

return signal + wander

5. 跨数据集统一处理框架

构建适配多数据集的ECG管道需要解决三个核心问题：

时间对齐：使用插值方法统一不同采样率

PYTHON

from scipy import interpolate

def resample_to_target(x_orig, y_orig, target_fs):

f = interpolate.interp1d(x_orig, y_orig, kind='cubic')

x_new = np.arange(0, x_orig[-1], 1/target_fs)

return x_new, f(x_new)
标注转换：建立统一的心律失常分类体系

MERMAID

graph TD

A[MIT-BIH符号] -->|N| B(正常心跳)

A -->|V| C(室性早搏)

A -->|L| D(左束支传导阻滞)

E[PTB标签] -->|NORM| B

E -->|MI| F(心肌梗死)
特征归一化：消除各设备间的增益差异

PYTHON

def zscore_normalize(signal):

return (signal - np.mean(signal)) / np.std(signal)

def minmax_normalize(signal):

return (signal - np.min(signal)) / (np.max(signal) - np.min(signal))

实际项目中，我们通常会封装为ECGProcessor类：

PYTHON

class ECGProcessor:

def __init__(self, target_fs=360):

self.target_fs = target_fs

self.label_mapper = {...} # 跨数据集标签映射

def process(self, record_path):

# 实现完整处理流程

return unified_ecg_data