本文的主要内容是详细介绍MIT-BIH心电数据集的读取，主要使用WFDB-python工具进行操作，能够读取心电信号数据到array中，读取annotations以及使用matplotlib绘制相应的心电信号波形，并对record和annotation数据结构进行简单的分析。
声明：本博客的内容来源于各大论文和互联网，其正确性有待考究。目的仅仅为了记录一下本人的学习过程，如果正好也能对你有一点帮助或者发现文中的错误所在，非常欢迎留言交流呀。
0 安装WFDB
可以直接下载zip包到本地研读一下源码，了解其数据结构。根据其提供的安装教程，直接使用pip安装就行：
pip install wfdb
耐性等待几分钟，很快就能安装成功。之后便可以进行测试：
import wfdb
# 显示所有的标注格式
wfdb.show_ann_classes()运行以上代码后，会打印出annotation的后缀以及标注的类型，安装成功。
1 读取record
读取record是使用wfdb的rdrecord函数实现：
# 读取一条记录的心电数据前10000个数据点
record = wfdb.rdrecord('data/MIT-BIH/100', sampfrom=0, sampto=10000, physical=False, channels=[0, 1])以上示例中，第一个参数是我本地文件的文件地址，整个函数的返回值为一个wfdb中定义的record对象，接下来看一下这个record对象的数据结构。找到刚刚下载的源码，找到record.py文件，该文件中定义的是record类，其申明和初始化如下：
class Record(BaseRecord, _header.HeaderMixin, _signal.SignalMixin):
def __init__(self, p_signal=None, d_signal=None,
e_p_signal=None, e_d_signal=None,
record_name=None, n_sig=None,
fs=None, counter_freq=None, base_counter=None,
sig_len=None, base_time=None, base_date=None,
file_name=None, fmt=None, samps_per_frame=None,
skew=None, byte_offset=None, adc_gain=None,
baseline=None, units=None, adc_res=None,
adc_zero=None, init_value=None, checksum=None,
block_size=None, sig_name=None, comments=None):
...
...
这里主要说明几个比较重要经常使用的属性如下（根据我自己的理解，其余的根据自己需要阅读源码即可）：
p_signal：模拟信号值，储存形式为ndarray或者是list（在_signal.py中定义的）
d_signal：数字信号值，储存形式为ndarray或者是list（在_signal.py中定义的）
fs：采样频率，int类型的；
这些属性都能直接进行访问，比如需要访问记录的心电信号的数据，直接record.d_signal就能读取到数组或者list中。
现在回到刚刚的rdrecord上来，其申明如下：
def rdrecord(record_name, sampfrom=0, sampto=None, channels=None,
physical=True, pb_dir=None, m2s=True, smooth_frames=True,
ignore_skew=False, return_res=64, force_channels=True,
channel_names=None, warn_empty=False):
...下面解释一下常用重要参数：
record_name : str，储存心电信号的路径;
sampfrom : int, optional，默认为0；
sampto : int, or 'end', optional;长度；
channels : list, optional；选择读取某个通道的数据，默认读取全部通道；
physical : bool, optional；如果为True则读取p_signal，如果为False则读取d_signal，默认为False；
pb_dir : str, optional；该地址如果填写，则从Physiobank网站上下载数据，例如：pb_dir='mitdb'.
下面我们可以尝试绘制一下心电图的波形：
import wfdb
import matplotlib.pyplot as plt
# 读取本地的100号记录，从0到25000，通道0
record = wfdb.rdrecord('data/MIT-BIH/100', sampfrom=0, sampto=25000, physical=False, channels=[0, ])
print("record frequency：" + str(record.fs))
# 读取前1000数据
ventricular_signal = record.d_signal[0:1000]
print('signal shape: ' + str(ventricular_signal.shape))
# 绘制波形
plt.plot(ventricular_signal)
plt.title("ventricular signal")
plt.show()效果如下所示：
ok，简单的数据读取就差不多了，当然有很多高级的用法，后面可能会用到，可以多看看源码和Physiobank。
2 读取annotation
这个标注信息我在官网看了一天，开始真的是一头雾水，后面才慢慢的了解其结构。首先我们打印一下标注的符号类型：
wfdb.show_ann_labels()会打印出各种符号代表的心率类型如下，一共有41种类型的标注：
label_store symbol description
0 0 Not an actual annotation
1 1 N Normal beat
2 2 L Left bundle branch block beat
3 3 R Right bundle branch block beat
4 4 a Aberrated atrial premature beat
5 5 V Premature ventricular contraction
6 6 F Fusion of ventricular and normal beat
7 7 J Nodal (junctional) premature beat
8 8 A Atrial premature contraction
9 9 S Premature or ectopic supraventricular beat
10 10 E Ventricular escape beat
11 11 j Nodal (junctional) escape beat
12 12 / Paced beat
13 13 Q Unclassifiable beat
14 14 ~ Signal quality change
16 16 | Isolated QRS-like artifact
18 18 s ST change
19 19 T T-wave change
20 20 * Systole
21 21 D Diastole
22 22 " Comment annotation
23 23 = Measurement annotation
24 24 p P-wave peak
25 25 B Left or right bundle branch block
26 26 ^ Non-conducted pacer spike
27 27 t T-wave peak
28 28 + Rhythm change
29 29 u U-wave peak
30 30 ? Learning
31 31 ! Ventricular flutter wave
32 32 [ Start of ventricular flutter/fibrillation
33 33 ] End of ventricular flutter/fibrillation
34 34 e Atrial escape beat
35 35 n Supraventricular escape beat
36 36 @ Link to external data (aux_note contains URL)
37 37 x Non-conducted P-wave (blocked APB)
38 38 f Fusion of paced and normal beat
39 39 ( Waveform onset
40 40 ) Waveform end
41 41 r R-on-T premature ventricular contraction我们试着来读取一条标注：
# 读取第100条记录的annotation，前1000个点
signal_annotation = wfdb.rdann("data/MIT-BIH/100", "atr", sampfrom=0, sampto=1000)
# 打印标注信息
print("chan: " + str(signal_annotation.chan))
print("sample: " + str(signal_annotation.sample))
print("symbol: " + str(signal_annotation.symbol))
print("aux_note: " + str(signal_annotation.aux_note))将annotation常用的一些属性打印出来，其中：
chan：是chanel的意思，保存的是当前标注的是哪一个通道，为一个ndarray或者是list
sample：这里记录的是每个心拍中R波的位置信息，为一个ndarray或者是list
symbol：记录的是每个心拍的标注信息，记录的是每个心拍的类型，是一个字符型的ndarray或者是list，其内容为wfdb.show_ann_labels()的symbol类型；
aux_note：记录的是心率变换点的标注类型，是辅助信息，其内容为：
（来自官网）
下面我们来详细的看一看rdann（）函数，其申明为：
def rdann(record_name, extension, sampfrom=0, sampto=None, shift_samps=False,
pb_dir=None, return_label_elements=['symbol'],
summarize_labels=False):
...
...
"""
使用示例：
--------
>>> ann = wfdb.rdann('sample-data/100', 'atr', sampto=300000)
"""对于其中重要一点的参数：
record_name：标注文件的地址，比如说文件是“100.atr”，则该参数为record_name=“100”;
extension：标注文件的格式类型
然后其余参数可以参看rdrecord函数中的相关参数即可。
下面简单的将心拍绘制到心电图上：
import wfdb
import matplotlib.pyplot as plt
# 读取本地的100号记录，从0到25000，通道0
record = wfdb.rdrecord('data/MIT-BIH/100', sampfrom=0, sampto=25000, physical=False, channels=[0, ])
print("record frequency：" + str(record.fs))
# 读取前1000数据
ventricular_signal = record.d_signal[0:1000]
print('signal shape: ' + str(ventricular_signal.shape))
# 绘制波形
plt.plot(ventricular_signal)
plt.title("ventricular signal")
# 读取annotations
signal_annotation = wfdb.rdann("data/MIT-BIH/100", "atr", sampfrom=0, sampto=1000)
# 将读取到的annotations的心拍绘制到心电图上
for index in signal_annotation.sample
plt.scatter(index, ventricular_signal[0][index], marker="*")
plt.show()
当然绘制波形也可以使用wfdb的库函数，可以使用wfdb.plot_wfdb()函数即可，其申明如下：
def plot_wfdb(record=None, annotation=None, plot_sym=False,
time_units='samples', title=None, sig_style=[''],
ann_style=['r*'], ecg_grids=[], figsize=None, return_fig=False):详细使用请直接参看源码中的注释即可。
3 数据集详细分析
要详细了解每条记录的详细信息的话，直接在官网上有的，地址是：MIT-BIH Arrhythmia Database Directory
里面详细的记录了每条记录主要心率类型，以及每条记录中各种类型心率的时长，使用的导联等，一般想要的数据集的信息都可以中在这里面找到。
参考文献
[1] physioNet PhysioNet
附录
在使用physionet时，导航菜单在左上角，其中主要用到的是Physiobank和PhysioToolkit两项，前一项包含数据库等，后一项是关于WFDB工具库的。
339
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
