一维Unet结合小波预处理实现ECG波形高精度分割

简介这是一份基于Unet架构的心电图ECG分割代码面向医学信号处理与深度学习方向的研究者。项目通过小波变换将QTDB数据集中的原始信号转换到小波域利用PyTorchWavelets提取尺度、实部与虚部特征实现对P波、QRS波群和T波的自动标注。资源压缩包共27个文件包括14个Python脚本分别负责数据加载、Unet网络定义、训练与测试另含8个pyc编译文件、3个Markdown说明文档、1个Jupyter Notebook演示小波提取过程以及1份License整体仅197KB轻量便携。目前已有781人浏览学习。代码明确采用P1、QRS2、T3的标签策略结合WFDB工具处理生理信号并提供清晰的README和目录说明方便快速定位与复现。通过该资源读者可掌握从数据预处理、小波特征提取到Unet模型训练与评估的完整流程理解深度学习在ECG分段中的应用技巧为相关研究或项目开发提供可复现的参考实现。 第一次看到Unet-ECG-Segmentation-Wavelet这种组合时我第一反应是一个做图像分割的网络拿来切一维心电信号这算哪门子跨界。但真正搭完、跑完、调完我必须说这个项目本质上踩中了ECG自动分析里一个长期没人好好解决的痛点——不只是检测QRS波群而是把P波、QRS、T波三个分量全部切出来还要切得准。这个任务传统方法能做但做得非常痛苦换成一维Unet之后整个事情的思路和效果都清晰了很多。而且标题里的Wavelet并不是花架子小波预处理在真实ECG数据里的作用比很多人想象中大得多。这篇就把整个项目的关键环节拆开讲为什么选Unet、一维结构怎么改、小波预处理怎么做、数据标注和损失函数怎么配、训练时踩了哪些坑。按我个人经验这几个点捋顺了这个项目基本就能复现出不错的稳定效果。1. 为什么拿Unet来处理心电波形1.1 传统方法不是不能用只是不够用搞过心电信号处理的人对经典QRS检测算法再熟悉不过。Pan-Tompkins那套流程——带通滤波、差分、平方、滑动积分、自适应阈值——在R峰检测上是教科书级别的经典方案跑标准数据库时准确率能到99%以上。但注意它解决的核心问题是“定位R峰”或者“检测QRS波群是否发生”它天生不擅长做细颗粒度分割。你要让它把P波的起点、终点标出来把T波结束点找出来它会非常吃力。原因在于P波和T波形态差异大、幅度低、容易被噪声干扰尤其在房颤、早搏这类心律失常片段里P波经常叠加在T波上或者干脆看不清。传统算法遇到这种模糊情况靠规则硬切很容易崩。而且传统方法往往是“先检测、再逐段分类”的流水线结构一步错了后面全错。比如R峰检测丢了整个心动周期的切割就乱套了。所以传统方法做“波形分段”这个任务本质上是在用规则去补形态学判断的短板复杂度高、泛化差。1.2 一维化改造后的Unet恰好命中信号处理的要害Unet是生物医学图像分割领域的常青树最擅长处理的就是“目标边界模糊、需要上下文语义信息”的分割场景。这个特性放到ECG分割上非常契合。ECG单拍信号按时间维度展开本质上就是一个一维序列。我们把Unet的所有Conv2d换成Conv1d输入从图像变成一段心电波形输出从像素级分类变成采样点级分类——每个时间点判断它属于P波、QRS波群、T波还是背景。这个思路和图像分割里的语义分割一脉相承。为什么Unet的结构适合这个任务因为它有两条路径收缩路径做下采样不断增大感受野让网络能看到“整段心跳的宏观形态”比如判断当前是正常窦性心律还是早搏扩张路径做上采样把分辨率恢复到原始长度让每个采样点都能得到一个分类结果跳跃连接把浅层的精细位置信息和高层的语义信息拼在一起这一点对边界定位特别关键。P波边界本身很弱如果没有浅层细节兜底解码器很容易把边界抹平。对比一下RNN或者TransformerRNN很难并行、训练慢长序列上的梯度衰减很麻烦Transformer在ECG这种采样率动辄几百赫兹的长序列上计算量太大。Unet作为CNN结构并行效率高局部感受野与波形形态特征天然匹配。所以这个选型不是跟风而是结构特性刚好卡在任务需求上。2. 一维Unet网络结构四层编码器、跳跃连接和感受野的取舍2.1 编码器小卷积核与大感受野的平衡项目里我采用的是经典的4层编码器结构。输入是经过预处理后的单导联ECG片段采样率统一重采样到500Hz输入长度为一个10秒窗口也就是5000个采样点。每层编码器包含两个Conv1d BatchNorm ReLU卷积核大小取15。为什么用15而不是常见的3或者5因为ECG波形是有生理意义的形态特征QRS波群本身通常持续80到120ms在500Hz采样率下就是40到60个采样点。卷积核太小看到的只是局部毛刺卷积核取到15左右差不多对应30ms的窗口既能感知到QRS波群的局部斜率变化又能捕捉P波起点处的细微转折。这就是感受野和局部形态之间的平衡。下采样我用的是stride2的卷积而非maxpooling原因是stride2的卷积在降分辨率的同时可学习参数更多信息压缩过程更平滑对ECG这种相对平滑的生理信号来说实测效果比直接maxpool好一点。编码器通道设计从32开始逐层翻倍32 → 64 → 128 → 256。到第4层时时间轴从5000降到625左右5000 / 2^3 ≈ 625空间分辨率已经比较低了但语义信息最丰富。4层是实际调出来的折中点层数太少感受野不够T波末端这种长程依赖容易识别不准层数到5层以后参数量翻倍训练时间变长但准确率提升非常有限。class EncoderBlock(nn.Module): def __init__(self, in_ch, out_ch, stride2): super().__init__() self.block nn.Sequential( nn.Conv1d(in_ch, out_ch, kernel_size15, stride1, padding7), nn.BatchNorm1d(out_ch), nn.ReLU(inplaceTrue), nn.Conv1d(out_ch, out_ch, kernel_size15, stride1, padding7), nn.BatchNorm1d(out_ch), nn.ReLU(inplaceTrue), ) self.down nn.Conv1d(out_ch, out_ch, kernel_size1, stridestride) def forward(self, x): return self.down(self.block(x))2.2 解码器与跳跃连接边界定位的关键解码器的作用是把编码器压缩后的特征逐步恢复回原始分辨率。每次上采样用转置卷积ConvTranspose1d或者线性插值都可以我习惯用转置卷积步长2kernel size取4padding取1避免输出长度错位。上采样之后把同一层编码器的输出在通道维度上拼接起来这是Unet的招牌操作——跳跃连接。ECG分割和图像分割在这一点上是完全一致的下采样后的特征知道“这个地方大概率是T波”但不知道“T波的起点到底精确在第几个采样点”浅层特征保留了波形细节知道“这个点有个明显的斜率转折”两者拼接在一起网络才能同时做出类别判断和边界定位。但跳跃连接也不是无脑拼接就行。我试过直接把编码器第1层和第2层的特征全部搬过来结果整段都是P波的“可疑区域”误报率变高。后来只对第1、2层跳跃连接做了Dropout0.2相当于强制解码器不要过分依赖浅层特征效果反而更好。这一点和图像分割里“深层特征更重要、浅层特征辅助定位”的经验是吻合的。2.3 输出层和后处理从概率图到波形标注解码器最后一层输出通道数等于类别数用1x1卷积压缩维度得到每个采样点在各个类别上的logits再接softmax。4类输出分别是背景、P波、QRS波群、T波。拿到逐点概率之后不能直接argmax就完事。ECG分割有一个特殊性相邻波形之间距离很近P波结束和T波开始之间间隔很短argmax结果经常出现“毛刺式”的类别抖动比如QRS内部突然冒出几个背景点。我的处理方式是对概率序列做一个5点中值滤波再取argmax把孤立误分点抹掉。然后对每个类别做连通域分析筛掉宽度小于20ms即10个采样点的碎片段这些基本都是过分割噪声不是真实生理波形。输出层的设计还有一个值得注意的地方类别顺序不能乱。背景类、P波、QRS、T波这4类的索引顺序要和损失函数、评估函数的设定保持一致否则训练时Loss正常下降但评估时Dice一片混乱这种低级错误排查起来非常费时间。3. 小波预处理不止是去噪还顺带解决了基线漂移3.1 ECG噪声组成与小波选择的逻辑ECG信号里最典型的噪声源有三个工频干扰50Hz/60Hz及其谐波、基线漂移因为呼吸、电极移动产生的低频成分通常低于0.5Hz、肌电干扰高频随机毛刺。传统做法是堆滤波器带通滤波器去基线和高频陷波器去工频。但这套思路在处理ECG时有个天然矛盾——P波能量主要集中在0.5Hz到10HzT波更低QRS波群能量在10Hz到30Hz。如果带通滤波器的下限设得太高P波和T波会被削平设得太低基线漂移又除不干净。工频陷波器还会在QRS波群的高斜率区域产生振铃伪影。传统滤波在信噪比高、信号规整的静态心电图上还能用一到动态心电、运动干扰大的场景效果就很头疼。小波变换的优势在于时频局部化。它能把信号分解成不同尺度下的近似分量和细节分量噪声和有效信号在不同尺度上有不同的表现。低频的基线漂移集中在最后几层近似分量高频肌电和工频干扰集中在前几层细节分量我们可以只对特定尺度的系数做处理而不去动P波、QRS所在的主要频段。3.2 PyWavelets降噪实操要点预处理我用的是PyWavelets库小波基选择db6分解层数8层。为什么是db6而不是db4或者sym8因为db6的支撑长度适中在时间分辨率和频率分辨率之间取了一个较好的平衡。实测对比下来db6对ECG波形形态的保真度明显好于db4db4重构后QRS波群的峰值有轻微削峰现象sym8虽然平滑度更好但对P波起点这类局部细节响应略钝。import pywt import numpy as np def wavelet_denoise_ecg(x, waveletdb6, level8): coeffs pywt.wavedec(x, wavelet, levellevel) # 最后一级近似分量置零去除基线漂移 coeffs[0] np.zeros_like(coeffs[0]) # 前两级细节分量做软阈值收缩去除高频噪声 sigma np.median(np.abs(coeffs[-1])) / 0.6745 thr sigma * np.sqrt(2 * np.log(len(x))) for i in [1, 2]: coeffs[i] pywt.threshold(coeffs[i], thr, modesoft) x_hat pywt.waverec(coeffs, wavelet) return x_hat[:len(x)]这里有两个细节需要说明。第一个细节是基线漂移处理。传统方式是只去掉最后一层近似分量但如果数据里存在明显的电极松动型慢漂移最后一层近似分量里依然残留大幅趋势会导致重构信号整体偏移。保险做法是先把最后一层近似分量置零再对重构信号做一次0.5Hz高通滤波兜底。我在代码里保留了置零操作让高频部分保留完整。第二个细节是阈值的选取。通用小波软阈值公式是sigma乘以sqrt(2lnN)其中sigma由最细尺度细节分量的中位绝对偏差估计除以0.6745高斯分布标准差与MAD的换算系数。这个公式的理论依据是极小化风险估计实际效果也稳定。阈值设置过高会把P波起点处的小转折一起压掉阈值设置过低则高频噪声残留明显。小波预处理对最终分割结果的影响我做过对照实验同一批数据用原始信号直接训练和用小波预处理后训练P波的Dice系数大约能提升3到5个百分点T波结束点的定位误差平均减少约8ms。原因不难理解ECG的语义信息分布在整个频带上P波本身幅度只有QRS的十分之一左右在高频噪声干扰下网络很难从原始信号中学到稳定的P波边界特征。小波去噪相当于先把信噪比拉起来再让网络去学形态学特征。4. 训练数据、损失函数与评估口径4.1 数据来源和标注难点公开数据集里麻省理工的QT Database是ECG波形分割的主流选择。它有105条记录每条记录包含P波、QRS波群、T波起止点的人工标注采样率多为250Hz。此外MIT-BIH Arrhythmia Database的标注以心跳类型和R峰位置为主不是波形边界所以只适合做辅助训练或者QRS检出的交叉验证。处理时有个统一采样率的问题。QT Database的记录采样率是250Hz而我在网络设计时按500Hz假设的卷积核长度混着用会导致感受野语义漂移。我的做法是将所有数据统一重采样到500Hz再按R峰位置切出每个心跳周围0.6秒的片段R峰前0.25秒后0.35秒保证每个片段覆盖完整的一个P波、QRS和T波。标注本身的难点比网络设计难点更大。P波的起点和终点说实话即便是有经验的医生来看争议也很大。尤其当P波幅度低于0.05mV时起点到底在哪里不同标注者给出的边界可能差几十毫秒。QT Database的标注虽然相对权威但训练时如果只盯着单点边界精度模型会被标注噪声带偏。我在实际项目中引入了“标注模糊区”概念在每个标注边界附近取正负30ms的范围这个范围内的采样点不参与损失计算相当于让模型在边界模糊区域自由发挥避免被不可靠标注过度惩罚。这个技巧对P波分割的稳定性提升非常明显。4.2 类别不平衡与损失函数选择ECG分割的类别不平衡程度比图像分割严重得多。一段0.6秒的心跳片段300个采样点里背景类占了接近一半QRS波群通常只占50到70个采样点P波更短大约30到50个采样点T波稍宽但总占比也就两成左右。如果用普通交叉熵训练网络学到的最优策略是“把所有点都预测为背景”因为正确率依然很高但对分割任务毫无意义。我当时对比了几种损失函数的实际表现加权交叉熵给P波、QRS、T波分别乘以高权重。效果直接但权重的设定非常敏感调不好会导致网络在低频类别上用力过猛误报增多。Dice Loss按类别独立计算Dice系数再取平均天然对类别面积不敏感小目标也能被公平对待。ECG分割里P波和QRS这类小目标选择Dice Loss明显比加权交叉熵稳定。Tversky Loss在Dice Loss基础上增加了假阳性和假阴性的可调权重。这个损失在处理边界模糊问题时很有用但调参成本高未必适合直接上手。我最终采用的是Dice Loss配合轻度的加权交叉熵约0.7比0.3的混合比例。Dice负责不让小类别被忽略交叉熵负责给逐点分类提供更平滑的梯度信号。这个组合在损失曲线和最终分割质量上都比单用其中一种更稳。def dice_loss(pred, target, smooth1.0): # pred: B, C, T - softmax结果, target: B, T (long) pred_soft pred.permute(0, 2, 1) # B, T, C target_onehot F.one_hot(target, num_classespred.shape[1]).float() intersect (pred_soft * target_onehot).sum(dim1) union pred_soft.sum(dim1) target_onehot.sum(dim1) dice (2.0 * intersect smooth) / (union smooth) return 1.0 - dice.mean()优化器用的Adam初始学习率1e-3配合CosineAnnealingLR把学习率从1e-3慢慢降到1e-5。batch size在单张消费级显卡上设到32输入长度5000数据量不大时整个训练过程大概几十分钟就能收敛这种训练成本非常适合反复调参实验。4.3 评估Dice之外还要点级容错分割任务最常用的评价指标是Dice和IoU。我在项目里按类别分别计算Dice和IoU再取平均这样能看清网络对P波、QRS、T波各自的定位能力而不是被一个总评分掩盖问题。但ECG分割有一个特殊之处临床关注的是波形边界对应的时间位置而不是采样点级别的逐点重合。两个波形在形态上明明很相似只是标注边界相差20msDice可能就从0.95掉到0.8这个下降在临床上没有太大意义。所以我额外引入了一个点级容错评估预测类别段与标注类别段重叠区域如果达到该段长度的80%并且边界误差在正负30ms以内就判定为该段分割正确。这个指标更贴近实际应用需求也更符合医生标注本身的精度上限。训练集和验证集的划分也要注意一个坑不要按片段随机划分而应该按记录划分保证同一患者的片段全部在训练集或者全部在验证集。否则模型很可能记住了患者个体差异验证集Dice虚高换一批新患者就原形毕露。5. 训练与部署环节踩过的坑5.1 切片方式、BN稳定性与标签重叠第一个坑来自切片方式。最开始我按照R峰位置切出固定长度的心跳片段每个片段恰好一个P波、一个QRS、一个T波。网络确实训练出来了但一放到完整ECG上推理出现了一个诡异现象连续两个心动周期之间的T波和下一个P波经常被合并成一个波形或者漏掉一个。原因在于训练时每段输入都恰好是一个完整周期网络学到的隐含假设是“输入片段里最多只有一个P波和一个T波”遇到真实的长序列这种假设就被打破了。解决办法是改用重叠滑窗切片窗口长度1.2秒步长0.4秒每段窗口覆盖到多个心动周期。这样训练集不再保有“单个心跳独立”的强先验模型对完整ECG序列的适应性明显提升。第二个坑是BatchNorm在batch size偏小时的不稳定。ECG片段里不同患者的数据分布差异很大如果batch size只有8或者16BatchNorm的统计量会剧烈抖动训练Loss曲线呈现锯齿状震荡。我把所有BatchNorm替换为GroupNorm分组数设为8训练瞬间稳定下来。建议直接用GroupNorm省去调batch size的烦恼。第三个坑是标签重叠。当相邻两个心跳距离特别近时前一个T波的结束点可能和后一个P波的起点发生重叠或者标签文件里出现QRS段和T波段存在数十个采样点的交叠。如果直接硬编码one-hot类别一个采样点会有两个正确类别模型训练时梯度互相打架。我最终在生成训练标签时做了一次“重叠归属仲裁”重叠区域按更晚出现的波形类别归属比如T波结束和P波起点的重叠区优先归给P波起点。虽然这个选择有一定主观性但避免了模型在重叠区学出一个不稳定的边界。5.2 跨数据库泛化与轻量化部署心得模型在QT Database上训练、同库测试Dice可以到0.9以上。但换到另一家医院的动态心电记录上Dice直接掉到0.75左右。问题不只是幅值尺度不同还有波形形态的整体差异比如某类设备的采集通道对低频增益偏低导致T波幅度明显小于训练集。这个属于典型的域偏移问题。我做了两个缓解手段。第一是在数据增强阶段引入波形级变换对输入信号做随机增益缩放缩放系数0.8到1.2、随机时间微扰、叠加小幅高斯噪声帮助模型学习对幅值和时移不变的特征。第二是如果预算允许从目标设备上人工标注几百个小片段加入训练集哪怕只标P波起点和T波终点就能把Dice拉回到0.85以上。部署环节这个模型的规模其实非常轻。4层一维Unet参数量大概500万到700万PyTorch模型文件在20MB到30MB之间。我导出到ONNX之后再用TensorRT做FP16推理一条10秒的ECG片段在桌面级GPU上只需要几毫秒在树莓派级别的主板上也不会超过50ms。真正要注意的是动态输入长度推理阶段输入长度不一定和训练时相同建议在导出ONNX时固定一个可接受的序列长度上限或者开启动态轴支持。总结下来这个项目里网络结构本身并没有多少创新性一维Unet是很成熟的做法让它真正出效果的是数据预处理、标签策略和训练细节的配合。小波降噪让模型看到的输入更干净Dice Loss让模型关注到小波形重叠滑窗和GroupNorm让训练过程稳定可靠。每一步单独看都很常规但串起来之后整个系统在有噪声的真实ECG数据上的表现远比单纯的“Unet跑通”要扎实得多。最后再分享一点个人体会做这种生物医学信号的分割任务最终瓶颈往往不在模型结构而在于对数据本身的理解。ECG的波形边界存在天然的生理模糊性即便标注者也难以做到毫秒级一致。我一开始追求把P波边界误差压到10ms以内折腾了很久后来才意识到与其让模型死磕模糊边界不如把评估和训练策略调整到和标注精度匹配的水平系统整体的可用性反而高了。如果你想在这个项目上做扩展多导联融合输入、对抗域适应、边界概率输出可视化都是值得深挖的方向但前提是先把预处理、损失函数和数据切刀这层地基打牢。本文还有配套的精品资源点击获取