Python实战：从MIT-BIH原始数据到AAMI标准5分类数据集的完整构建与解析

1. MIT-BIH数据库基础与数据准备MIT-BIH心律失常数据库是心电信号研究领域的黄金标准包含48条双导联动态心电图记录每条记录时长约30分钟采样频率为360Hz。原始数据采用WFDB格式存储包含三个关键文件.hea头文件记录元数据.dat二进制信号数据.atr人工标注文件包含心拍类型和位置实战第一步安装必要工具库pip install wfdb numpy matplotlib读取单条记录的完整示例import wfdb import matplotlib.pyplot as plt # 读取记录100自动识别.hea/.dat/.atr record wfdb.rdrecord(mit-bih-arrhythmia-database-1.0.0/100, sampfrom0, sampto1000) annotation wfdb.rdann(mit-bih-arrhythmia-database-1.0.0/100, atr) # 可视化信号和标注 plt.plot(record.p_signal[:,0]) for sample in annotation.sample: plt.axvline(xsample, colorr, linestyle--) plt.show()关键参数解析sampfrom/sampto控制读取的样本范围避免内存溢出physicalTrue返回实际电压值(mV)False返回原始数字信号channels选择导联MLII或V12. 心拍定位与原始标签解析MIT-BIH数据库包含超过10万个心拍标注了15种心律失常类型。通过annotation.symbol可获取每个R波对应的具体类型# 常见心拍类型对照表 label_map { N: Normal, L: Left bundle branch block, R: Right bundle branch block, V: Premature ventricular contraction, A: Atrial premature beat } # 提取前100个标注点 print([(samp, sym) for samp, sym in zip(annotation.sample[:100], annotation.symbol[:100])])R波定位技巧使用annotation.sample获取所有R波位置排除非心拍标注如噪声标记~以R波为中心截取信号段通常取R点前后各130个样本点3. AAMI标准五分类转换根据ANSI/AAMI EC57:2012标准将原始15类合并为5大类aami_map { N: [N, L, R, e, j], # 正常/束支阻滞 S: [A, a, J, S], # 室上性异常 V: [V, E], # 室性异常 F: [F], # 融合波 Q: [/, f, Q] # 未知/噪声 } def convert_to_aami(symbol): for aami_class, original_labels in aami_map.items(): if symbol in original_labels: return aami_class return Q # 默认归为Q类数据分布典型问题类别极度不均衡N类占比超80%部分患者记录存在特定类型集中现象需注意排除起搏心拍标注为P4. 心拍分割与数据集构建完整处理流程代码import numpy as np from tqdm import tqdm def extract_beats(record_name, window_size260): 从单条记录提取心拍 record wfdb.rdrecord(fmit-bih-arrhythmia-database-1.0.0/{record_name}) ann wfdb.rdann(fmit-bih-arrhythmia-database-1.0.0/{record_name}, atr) # 筛选有效R波标注 valid_symbols [N, L, R, V, A, F, Q, /] beats [] labels [] for i, symbol in enumerate(ann.symbol): if symbol not in valid_symbols: continue pos ann.sample[i] if pos window_size//2 or pos len(record.p_signal)-window_size//2: continue beat record.p_signal[pos-window_size//2 : poswindow_size//2, 0] beats.append(beat) labels.append(convert_to_aami(symbol)) return np.array(beats), np.array(labels) # 处理所有48条记录 all_beats [] all_labels [] for record_id in tqdm([100, 101, ..., 234]): beats, labels extract_beats(record_id) all_beats.append(beats) all_labels.append(labels)关键参数优化建议window_size260点约722ms能完整包含QRS-T波通道选择优先使用MLII导联信号质量更稳定归一化建议采用每心拍单独Z-score标准化5. 数据集存储与加载优化HDF5存储方案推荐import h5py with h5py.File(mitbih_aami.h5, w) as hf: hf.create_dataset(beats, datanp.vstack(all_beats)) hf.create_dataset(labels, datanp.concatenate(all_labels)) hf.attrs[sampling_rate] 360 hf.attrs[window_size] 260CSV备用方案import pandas as pd df pd.DataFrame(np.vstack(all_beats)) df[label] np.concatenate(all_labels) df.to_csv(mitbih_aami.csv, indexFalse)内存映射技巧# 处理超大数据集时使用 X np.memmap(beats.dat, dtypefloat32, moder, shape(len(all_beats), 260)) y np.memmap(labels.dat, dtypeint8, moder, shape(len(all_labels),))6. 实际应用中的陷阱与解决方案常见问题1标注偏移现象R波标注与实际R峰位置偏差解决方案动态搜索±5个样本点的最大值def adjust_peak(signal, pos, search_window5): return pos np.argmax(signal[pos-search_window:possearch_window]) - search_window常见问题2导联差异现象不同记录使用不同导联组合解决方案统一使用MLII导联缺失时用V1替代性能优化技巧批量读取使用wfdb.rdrecord的physicalFalse加速并行处理用joblib并行处理多条记录from joblib import Parallel, delayed results Parallel(n_jobs4)(delayed(extract_beats)(rid) for rid in record_ids)7. 进阶处理数据增强与平衡针对类别不平衡问题采用滑动窗口增强少数类def augment_beat(beat, num_aug5): 通过滑动窗口生成增强样本 augmented [] for i in range(num_aug): shift np.random.randint(-10, 10) augmented.append(np.roll(beat, shift)) return augmented # 对少数类样本增强 v_beats beats[labels V] augmented [augment_beat(b) for b in v_beats]最终得到的数据集应包含约10万个心拍样本每个样本260维特征360Hz采样平衡后的五类别分布比例接近1:1:1:1:1