ECG ×AI: 机器/深度学习的ECG应用入门（2）

ECG数据库：解决数据来源问题

1.数据库简介与获取

经过上一章节的介绍，相信你对于我们的研究对象——心电信号ECG已经有了一个初步的认识，也清楚了我们的目标就是使用机器/深度学习算法，能自动识别指定的ECG类型，从而实现“人工智能”式的诊断（汗。。。）。“巧妇难为无米之炊”，我们的“米”（ECG数据）从哪里来呢？当然有喜闻乐见的数据库供我们使用。

首先贴一个网址：https://www.physionet.org/cgi-bin/atm/ATM  

这个网站上汇集了许许多多生理信号，除了我们熟悉的ECG，还有脑电信号EEG，心音信号PCG等等。“弱水三千，只取一瓢”，这里我们主要来说一下ECG领域最常用（没有之一）的数据库：MIT-BIH Arrhythmia Database。如上图所示，点击“Input”选择框，下拉选择MIT-BIH Arrhythmia Database（注意，有很多MIT-BIH打头的数据库，不要搞错了），“Input”选择框下面还有几个选择框，可以分别选择记录，信号，标记等等，选定后页面上会有一个区域展示一小段信号。如果想详细了解并下载数据，点击上图右下角红圈中的链接可以跳转至数据库专属页面。

详细的介绍可以自己去看，全英文，英语不好的建议配合有道词典。在这里只说一些重要的信息：MIT-BIH Arrhythmia Database（以下简称MITdb）包含了48条双导联ECG记录，其中，除少数记录外，每条记录的第一个导联都是II导联，每条记录长度为30分钟，采样率360 Hz，算起来有30*60*360=648000个采样点，但其实每条记录都有650000个点，也就是并非严格等于30分钟。不过这没什么很大影响。打开MITdb的专属页面后，很容易就发现了大量数据文件的链接，48条记录（不连续编号100-234），每一条记录对应着3个文件，就像这样：

各个文件的作用，已经展示的很清楚。.atr：标记文件，保存着人工标注的心拍位置和类型。.dat:数据文件，保存着我们需要的心电信号。.hea：头文件，保存着这条记录的附加信息。这三个文件中头文件（.hea）可以直接打开，其余两个不可直接打开，强行记事本打开后看到的都是乱码。打开头文件后，一般看到的是这样的：

第一行含义为：记录编号 导联数 采样率 采样点数。第二、三行则说明了.dat文件的信息，它是212格式编码的等等。其详细的说明请参照文献：（宋喜国, 邓亲恺. MIT-BIH心率失常数据库的识读及应用[J]. 中国医学物理学杂志, 2004, 21(4):230-232.）当然，如果你对这些东西并不关心也可以不看，对我们后面的内容影响不大。至于这个数据库中到底包含了哪些我们感兴趣的类型，作为我们分类识别的目标，这个我们用到的时候再说。

说了半天，似乎我们一直在纸上谈兵，目前手里什么也没有。一个不好的消息：如果你不会一些下载技巧，要下载这48*3=144个文件，你需要每个都点一下，因为官方似乎并没有提供一个完整的包。这一点其实不用担心，本人已经下载好并且打好了包提供给各位下载。方式是大家喜闻乐见的百度网盘：链接：https://pan.baidu.com/s/1BG1sPsWO8Ey2GdAepUa1GQ 密码：z3ey

2.数据库的Matlab读取

如果你阅读了上一段建议的，对于MITdb数据格式说明的论文，十有八九会对读取数据库感到困难。这种格式并不常见，而且对于初学者并不友好。自己编程实现数据库读取的门槛又比较高，不是每个人都能实现，而且我们的目标也不是数据的编解码研究。还好有大佬已经为我们写好了读取数据的代码，我们只需要run一下就基本达成目的了。目前该代码已经放到了我的github上(文后有地址），名为rddata.m：

简单说下怎么用，建议单独建一个文件夹作为我们后续代码的存放处，例如这里我建立了一个名为ECGPrimer的文件夹，路径为：F:\MATLAB\ECGPrimer。把rddata.m文件放入该文件夹。

     1）打开matlab（这里为2013a版本，其余版本类似），点击界面偏上方显示路径的框的偏右空白处（例如下图中椭圆处），输入我们刚才的路径，回车。当前路径就成为了我们刚才建立的文件夹，左边可以看到我们之前放入的rddata.m文件，双击打开。

 2） 打开rddata.m后，注意一开始的关于数据库文件的存放路径，以及指定文件名的设置，如图：

例如图中我把下载好的144个数据库文件解压，放在了F:\MATLAB\MIT-BIH，然后需要读取编号为234的记录，指定读取的点数为1024。点击控制栏的run按钮，相关数据会被读入到matlab的工作空间workspace中。与此同时，matlab会生成一张信号图，上面同时绘制了两个导联的信号，以及一些标记的数字，这里我们先关掉不理会。

3）然后我们观察matlab的workspace，此时应该如下图所示：

注意，此时变量名为M的矩阵中包含了我们需要的ECG信号，尺寸为1024（指定读取点数）*2（导联数）。我们只关心第一个导联的信号，在matlab命令窗口里输入：plot(M(:,1));grid on;可绘制出第一个导联的信号：

  至此，我们已经成功将数据库中的ECG信号读取至matlab中。另外，workspace中其余2个矩阵也值得我们注意。如3）中的workspace截图，一个是ANNOT，存储了该记录中各心拍的人工标注类型代码，例如有：

完整的对比说明表也已经上传至本人github：Data Instructions.txt。ANNOT的意义在于提供给了我们各心拍专家诊断的结果，用于后续深度学习算法的标签。另外一个是ATRTIME，它存储了各心拍的人工标注位置，一般以QRS波为基准。即该记录的几分几秒出现了一个心拍。而这个矩阵的意义在于后续帮助我们评估心拍定位算法的准确性，或是直接根据它提供的人工标注位置截取心拍。

3.小结

本节我们学习了ECG数据库的获取与matlab读取，解决了数据来源问题。如果你对其他数据库也感兴趣，可以在上面介绍的网站中继续了解。然而现在还不宜直接进行机器/深度学习模型的开发，还有那些重要的事情没做？且听下回分解。

** MIT-BIH数据库下载： 链接：https://pan.baidu.com/s/1BG1sPsWO8Ey2GdAepUa1GQ 密码：z3ey

** 相关代码文件下载：https://github.com/Aiwiscal/ECG-ML-DL-Algorithm-Matlab

** 推荐文献：宋喜国, 邓亲恺. MIT-BIH心率失常数据库的识读及应用[J]. 中国医学物理学杂志, 2004, 21(4):230-232.