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', sampfrom=0, sampto=1000)
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(x=sample, color='r', 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）
• physical ：True返回实际电压值(mV)，False返回原始数字信号
• channels ：选择导联（MLII或V1）

2. 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：

1. 使用 annotation.sample 获取所有R波位置
2. 排除非心拍标注（如噪声标记'~'）
3. 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'P'）

4. 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_size=260):
    """从单条记录提取心拍"""
    record = wfdb.rdrecord(f'mit-bih-arrhythmia-database-1.0.0/{record_name}')
    ann = wfdb.rdann(f'mit-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 : pos+window_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_size ：260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', data=np.vstack(all_beats))
    hf.create_dataset('labels', data=np.concatenate(all_labels))
    hf.attrs['sampling_rate'] = 360
    hf.attrs['window_size'] = 260

CSV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', index=False)

内存映射技巧：

# 处理超大数据集时使用
X = np.memmap('beats.dat', dtype='float32', mode='r', shape=(len(all_beats), 260))
y = np.memmap('labels.dat', dtype='int8', mode='r', 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_window=5):
    return pos + np.argmax(signal[pos-search_window:pos+search_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 physical=False 加速
• 并行处理：用 joblib 并行处理多条记录

from joblib import Parallel, delayed

results = Parallel(n_jobs=4)(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_aug=5):
    """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