ECG⼼电信号处理：使⽤WFDB对MIT-BIH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，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annatations以及使⽤matplotlib绘制相应的⼼电信号波形，并对record和annatation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：
走进城市走进西柏坡import wfdb
# 显⽰所有的标注格式
wfdb.show_ann_class()
运⾏以上代码后，会打印出annatation的后缀以及标注的类型，安装成功。
研究生报名信息网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=Fal, 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(BaRecord, _header.HeaderMixin, _signal.SignalMixin):
def __init__(lf, 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, ba_counter=None,
sig_len=None, ba_time=None, ba_date=None,
file_name=None, fmt=None, samps_per_frame=None,
skew=None, byte_offt=None, adc_gain=None,
baline=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）
人教版八年级下册英语单词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=Fal, return_res=64, force_channels=True,
channel_names=None, warn_empty=Fal):
...
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Fal则读取d_signal，默认为Fal；
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=Fal, 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annatation
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 ont
40 40 ) Waveform end
文件共享怎么设置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annatation，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annatation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
文化遗产有哪些
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；电脑分盘怎么合并
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=Fal,
pb_dir=None, return_label_elements=['symbol'],
summarize_labels=Fal):
...
感恩父亲的作文
...
"""
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：
