ECG心电信号处理：使用WFDB对MITBIH数据集进行读取（Python）

本文的主要内容是详细介绍MIT-BIH心电数据集的读取&＃xff0c;主要使用WFDB-python工具进行操作&＃xff0c;能够读取心电信号数据到array中&＃xff0c;读取annatations以及使用matplotlib绘制相应的心电信号波形&＃xff0c;并对record和annatation数据结构进行简单的分析。

声明&＃xff1a;本博客的内容来源于各大论文和互联网&＃xff0c;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&＃xff0c;如果正好也能对你有一点帮助或者发现文中的错误所在&＃xff0c;非常欢迎留言交流呀。 

0 安装WFDB

 github地址为https://github.com/MIT-LCP/wfdb-python

可以直接下载zip包到本地研读一下源码&＃xff0c;了解其数据结构。根据其提供的安装教程&＃xff0c;直接使用pip安装就行&＃xff1a;

 pip install wfdb

耐性等待几分钟&＃xff0c;很快就能安装成功。之后便可以进行测试&＃xff1a;

import wfdb# 显示所有的标注格式
wfdb.show_ann_classes()

运行以上代码后&＃xff0c;会打印出annatation的后缀以及标注的类型&＃xff0c;安装成功。

1 读取record

读取record是使用wfdb的rdrecord函数实现&＃xff1a;

# 读取一条记录的心电数据前10000个数据点
record &＃61; wfdb.rdrecord(&＃39;data/MIT-BIH/100&＃39;, sampfrom&＃61;0, sampto&＃61;10000, physical&＃61;False, channels&＃61;[0, 1])

以上示例中&＃xff0c;第一个参数是我本地文件的文件地址&＃xff0c;整个函数的返回值为一个wfdb中定义的record对象&＃xff0c;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&＃xff0c;找到record.py文件&＃xff0c;该文件中定义的是record类&＃xff0c;其申明和初始化如下&＃xff1a;

class Record(BaseRecord, _header.HeaderMixin, _signal.SignalMixin):def __init__(self, p_signal&＃61;None, d_signal&＃61;None,e_p_signal&＃61;None, e_d_signal&＃61;None,record_name&＃61;None, n_sig&＃61;None,fs&＃61;None, counter_freq&＃61;None, base_counter&＃61;None,sig_len&＃61;None, base_time&＃61;None, base_date&＃61;None,file_name&＃61;None, fmt&＃61;None, samps_per_frame&＃61;None,skew&＃61;None, byte_offset&＃61;None, adc_gain&＃61;None,baseline&＃61;None, units&＃61;None, adc_res&＃61;None,adc_zero&＃61;None, init_value&＃61;None, checksum&＃61;None,block_size&＃61;None, sig_name&＃61;None, comments&＃61;None):......


这里主要说明几个比较重要经常使用的属性如下&＃xff08;根据我自己的理解&＃xff0c;其余的根据自己需要阅读源码即可&＃xff09;&＃xff1a;

p_signal&＃xff1a;模拟信号值&＃xff0c;储存形式为ndarray或者是list&＃xff08;在_signal.py中定义的&＃xff09;

d_signal&＃xff1a;数字信号值&＃xff0c;储存形式为ndarray或者是list&＃xff08;在_signal.py中定义的&＃xff09;

fs&＃xff1a;采样频率&＃xff0c;int类型的&＃xff1b;

这些属性都能直接进行访问&＃xff0c;比如需要访问记录的心电信号的数据&＃xff0c;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&＃xff0c;其申明如下&＃xff1a;

def rdrecord(record_name, sampfrom&＃61;0, sampto&＃61;None, channels&＃61;None,physical&＃61;True, pb_dir&＃61;None, m2s&＃61;True, smooth_frames&＃61;True,ignore_skew&＃61;False, return_res&＃61;64, force_channels&＃61;True,channel_names&＃61;None, warn_empty&＃61;False):...

下面解释一下常用重要参数&＃xff1a;
record_name : str&＃xff0c;储存心电信号的路径;
sampfrom : int, optional&＃xff0c;默认为0&＃xff1b;
sampto : int, or &＃39;end&＃39;, optional;长度&＃xff1b;
channels : list, optional&＃xff1b;选择读取某个通道的数据&＃xff0c;默认读取全部通道&＃xff1b;
physical : bool, optional&＃xff1b;如果为True则读取p_signal&＃xff0c;如果为False则读取d_signal&＃xff0c;默认为False&＃xff1b;
pb_dir : str, optional&＃xff1b;该地址如果填写&＃xff0c;则从Physiobank网站上下载数据&＃xff0c;例如&＃xff1a;pb_dir&＃61;&＃39;mitdb&＃39;.

下面我们可以尝试绘制一下心电图的波形&＃xff1a;

import wfdb
import matplotlib.pyplot as plt# 读取本地的100号记录&＃xff0c;从0到25000&＃xff0c;通道0
record &＃61; wfdb.rdrecord(&＃39;data/MIT-BIH/100&＃39;, sampfrom&＃61;0, sampto&＃61;25000, physical&＃61;False, channels&＃61;[0, ])
print("record frequency&＃xff1a;" &＃43; str(record.fs))
# 读取前1000数据
ventricular_signal &＃61; record.d_signal[0:1000]
print(&＃39;signal shape: &＃39; &＃43; str(ventricular_signal.shape))
# 绘制波形
plt.plot(ventricular_signal)
plt.title("ventricular signal")
plt.show()

效果如下所示&＃xff1a;

ok&＃xff0c;简单的数据读取就差不多了&＃xff0c;当然有很多高级的用法&＃xff0c;后面可能会用到&＃xff0c;可以多看看源码和Physiobank。

2 读取annatation

这个标注信息我在官网看了一天&＃xff0c;开始真的是一头雾水&＃xff0c;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&＃xff1a;

wfdb.show_ann_labels()

会打印出各种符号代表的心率类型如下&＃xff0c;一共有41种类型的标注&＃xff1a;

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 &＃61; 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 &＃43; 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 &＃64; 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&＃xff1a;

# 读取第100条记录的annatation&＃xff0c;前1000个点
signal_annotation &＃61; wfdb.rdann("data/MIT-BIH/100", "atr", sampfrom&＃61;0, sampto&＃61;1000)
# 打印标注信息
print("chan: " &＃43; str(signal_annotation.chan))
print("sample: " &＃43; str(signal_annotation.sample))
print("symbol: " &＃43; str(signal_annotation.symbol))
print("aux_note: " &＃43; str(signal_annotation.aux_note))

将annatation常用的一些属性打印出来&＃xff0c;其中&＃xff1a;

chan&＃xff1a;是chanel的意思&＃xff0c;保存的是当前标注的是哪一个通道&＃xff0c;为一个ndarray或者是list

sample&＃xff1a;这里记录的是每个心拍中R波的位置信息&＃xff0c;为一个ndarray或者是list

symbol&＃xff1a;记录的是每个心拍的标注信息&＃xff0c;记录的是每个心拍的类型&＃xff0c;是一个字符型的ndarray或者是list&＃xff0c;其内容为wfdb.show_ann_labels()的symbol类型&＃xff1b;

aux_note&＃xff1a;记录的是心率变换点的标注类型&＃xff0c;是辅助信息&＃xff0c;其内容为&＃xff1a;

&＃xff08;来自官网&＃xff09;

下面我们来详细的看一看rdann&＃xff08;&＃xff09;函数&＃xff0c;其申明为&＃xff1a;

def rdann(record_name, extension, sampfrom&＃61;0, sampto&＃61;None, shift_samps&＃61;False,pb_dir&＃61;None, return_label_elements&＃61;[&＃39;symbol&＃39;],summarize_labels&＃61;False):......"""
使用示例&＃xff1a;-------->>> ann &＃61; wfdb.rdann(&＃39;sample-data/100&＃39;, &＃39;atr&＃39;, sampto&＃61;300000)"""

对于其中重要一点的参数&＃xff1a;

record_name&＃xff1a;标注文件的地址&＃xff0c;比如说文件是“100.atr”&＃xff0c;则该参数为record_name&＃61;“100”;

extension&＃xff1a;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&＃xff1a;

import wfdb
import matplotlib.pyplot as plt# 读取本地的100号记录&＃xff0c;从0到25000&＃xff0c;通道0
record &＃61; wfdb.rdrecord(&＃39;data/MIT-BIH/100&＃39;, sampfrom&＃61;0, sampto&＃61;25000, physical&＃61;False, channels&＃61;[0, ])
print("record frequency&＃xff1a;" &＃43; str(record.fs))
# 读取前1000数据
ventricular_signal &＃61; record.d_signal[0:1000]
print(&＃39;signal shape: &＃39; &＃43; str(ventricular_signal.shape))
# 绘制波形
plt.plot(ventricular_signal)
plt.title("ventricular signal")# 读取annatations
signal_annotation &＃61; wfdb.rdann("data/MIT-BIH/100", "atr", sampfrom&＃61;0, sampto&＃61;1000)
# 将读取到的annatations的心拍绘制到心电图上
for index in signal_annotation.sampleplt.scatter(index, ventricular_signal[0][index], marker&＃61;"*")
plt.show()


当然绘制波形也可以使用wfdb的库函数&＃xff0c;可以使用wfdb.plot_wfdb()函数即可&＃xff0c;其申明如下&＃xff1a;

def plot_wfdb(record&＃61;None, annotation&＃61;None, plot_sym&＃61;False,time_units&＃61;&＃39;samples&＃39;, title&＃61;None, sig_style&＃61;[&＃39;&＃39;],ann_style&＃61;[&＃39;r*&＃39;], ecg_grids&＃61;[], figsize&＃61;None, return_fig&＃61;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&＃xff0c;直接在官网上有的&＃xff0c;地址是&＃xff1a;https://www.physionet.org/physiobank/database/html/mitdbdir/mitdbdir.htm

里面详细的记录了每条记录主要心率类型&＃xff0c;以及每条记录中各种类型心率的时长&＃xff0c;使用的导联等&＃xff0c;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 https://www.physionet.org/

附录

在使用physionet时&＃xff0c;导航菜单在左上角&＃xff0c;其中主要用到的是Physiobank和PhysioToolkit两项&＃xff0c;前一项包含数据库等&＃xff0c;后一项是关于WFDB工具库的。