简介本资源是一套面向生物医学工程、信号处理及机器学习初学者的ECG心电图分类实践项目聚焦于心脏病理信号识别这一典型医疗AI任务。压缩包共825个文件涵盖Python20个.py与MATLAB11个.m双语言实现的完整分类流程包括数据预处理、特征提取如RR间期、QRS波形参数、SVM/随机森林等模型训练及评估代码同时包含大量WFDB标准格式ECG数据文件60个.hea、10个.dat、2个.mat及配套工具如gqrs、rdann、wfdb2mat等便于直接加载MIT-BIH等公开数据库。资源大小为6.25MB结构紧凑且模块化清晰适合课程设计、毕业设计或Kaggle类竞赛入门实践。目前已有444人学习下载读者可直接复现端到端分类 pipeline掌握ECG信号去噪、波形检测、时频特征建模及跨平台算法对比等核心能力。1. ECG分类不是调个库就完事从原始信号到临床可解释标签的完整链路你下载了ecg_classification-master.zip解压后看到一堆.mat文件、main.py和README.md但运行python main.py却卡在ImportError: No module named biosppy或 MATLAB 报错Undefined function filtfilt——这不是环境配置失败而是 ECG 分类本身存在三重断层信号预处理不统一、特征提取无医学依据、分类器输出不可解释。这个项目标题里藏着的「ECG分类」本质是心电信号时序建模问题不是图像分类的简单迁移。它要求你同时理解心电生理P波、QRS复合波、T波的时域形态与节律关系、数字信号处理带通滤波、基线漂移校正、R峰检测和机器学习时序特征 vs. 深度学习端到端建模的取舍。适合刚接触生物医学信号的 Python 工程师、需要复现论文结果的研究生以及正在把 ECG 算法集成进嵌入式设备的固件工程师。本文不讲“如何安装 Python”而是聚焦于为什么同一段 ECG 数据在 MATLAB 中用sgolayfilt滤波后送入 SVM在 Python 中用scipy.signal.butter滤波再喂给 XGBoost结果差异可能超过 15% 准确率答案藏在采样率对齐、R-R 间期归一化、以及 QRS 波群截取窗口的毫秒级偏移里。2. 用 Python SciPy sklearn 复现 ECG 分类最小闭环从 .mat 加载到混淆矩阵输出ECG 分类的起点不是模型而是信号质量。ecg_classification-master.zip中的.mat文件通常包含data原始电压序列、fs采样率、labels类别索引三个字段。MATLAB 用户习惯直接load(data.mat)但 Python 需要scipy.io.loadmat并处理结构体嵌套。常见错误是忽略 MATLAB 的列优先存储导致数组转置或未将uint16原始数据转换为float64进行滤波运算。2.1 加载与验证原始 ECG 信号确认采样率与标签对齐import scipy.io as sio import numpy as np import matplotlib.pyplot as plt # 加载 .mat 文件注意MATLAB v7.3 使用 HDF5需 h5py此处按传统 v7.0 处理 mat_data sio.loadmat(data_001.mat) ecg_signal mat_data[data].flatten() # 强制展平为一维避免 shape(N,1) 导致后续滤波失败 fs float(mat_data[fs][0, 0]) # 提取标量采样率避免 array([[500.0]]) labels mat_data[labels].flatten() # 验证信号长度与标签数量是否匹配关键 if len(ecg_signal) ! len(labels): # 常见情况labels 是事件标记如 R 波位置非逐点标签 # 此时需按滑动窗切分例如每 256 点为一个样本 window_size 256 n_samples len(ecg_signal) // window_size ecg_windows ecg_signal[:n_samples * window_size].reshape(-1, window_size) # labels 需同步截断或插值 labels labels[:n_samples] print(f已按 {window_size} 点窗口切分得到 {n_samples} 个样本) else: print(f原始信号长度 {len(ecg_signal)} 与标签数 {len(labels)} 一致) print(f采样率: {fs} Hz, 信号类型: {ecg_signal.dtype})提示scipy.io.loadmat默认将 MATLAB 结构体转为numpy.ndarray但内部字段名可能被_替换如data变成data_。建议先print(mat_data.keys())查看真实键名。若.mat是 v7.3 格式文件头含HDF5必须改用h5py库加载否则报NotImplementedError。2.2 医学可信的预处理四步法带通滤波、基线校正、R峰检测、QRS截取ECG 分类性能对预处理极度敏感。直接使用scipy.signal.butter设计巴特沃斯滤波器参数必须符合 AHA美国心脏协会标准0.5–40 Hz 带通。低于 0.5 Hz 无法消除呼吸基线漂移高于 40 Hz 则丢失 QRS 上升支高频信息。from scipy.signal import butter, filtfilt, find_peaks from scipy.interpolate import interp1d def preprocess_ecg(signal, fs500): # 1. 带通滤波0.5-40 Hz二阶巴特沃斯零相位滤波避免延迟 nyq fs / 2 b, a butter(N2, Wn[0.5/nyq, 40.0/nyq], btypeband) filtered filtfilt(b, a, signal) # 2. 基线漂移校正三次样条插值拟合基线非简单移动平均 # 找出 R 波位置作为锚点粗略估计 peaks, _ find_peaks(filtered, heightnp.mean(filtered)0.5*np.std(filtered), distanceint(0.6*fs)) if len(peaks) 3: # R 波太少退化为中位数滤波 baseline np.median(filtered) else: # 在 R 波间插入基线点每 2 个 R 波中点 baseline_points_x [] baseline_points_y [] for i in range(len(peaks)-1): mid_idx (peaks[i] peaks[i1]) // 2 baseline_points_x.append(mid_idx) baseline_points_y.append(np.median(filtered[mid_idx-20:mid_idx20])) # 三次样条插值 f interp1d(baseline_points_x, baseline_points_y, kindcubic, fill_valueextrapolate) x_full np.arange(len(filtered)) baseline f(x_full) corrected filtered - baseline # 3. R 峰检测用于后续窗口截取 r_peaks, _ find_peaks(corrected, heightnp.percentile(corrected, 95), distanceint(0.4*fs)) # 4. 截取 QRS 波群以 R 峰为中心取 [-120ms, 180ms]临床标准 qrs_windows [] for r in r_peaks: start max(0, r - int(0.12 * fs)) end min(len(corrected), r int(0.18 * fs)) if end - start int(0.3 * fs): # 确保窗口足够长 qrs_windows.append(corrected[start:end]) return np.array(qrs_windows), r_peaks # 执行预处理 qrs_list, r_positions preprocess_ecg(ecg_signal, fsfs) print(f检测到 {len(r_positions)} 个 R 波生成 {len(qrs_list)} 个 QRS 窗口)参数说明distanceint(0.4*fs)表示 R 波最小间隔为 0.4 秒对应心率 150 bpm防止误检 T 波heightnp.percentile(..., 95)动态设定阈值适应不同信噪比[-120ms, 180ms]是 AHA 推荐的 QRS 宽度范围覆盖绝大多数正常与室性早搏形态。2.3 特征工程时域、频域、非线性指标的临床可解释组合深度学习流行后很多人忽略手工特征的价值。但在资源受限设备如可穿戴 ECG 芯片或小样本场景1000 条记录XGBoost 手工特征仍显著优于 CNN。本项目需提取三类特征特征类型具体指标计算方式临床意义时域QRS 宽度、R 波振幅、PR 间期np.argmax(qrs_window)定位 R 峰左右找谷点宽度 120ms 提示束支传导阻滞频域0–15Hz 能量占比、主频np.abs(np.fft.rfft(qrs_window))心肌缺血时高频成分衰减非线性样本熵SampEn、Higuchi 维数nolds.sampen(qrs_window)反映心电复杂度房颤患者显著降低from nolds import sampen from scipy.fft import rfft def extract_features(qrs_window, fs500): features {} # 时域特征 r_idx np.argmax(qrs_window) # QRS 宽度FWHM半高全宽 half_max np.max(qrs_window) / 2 left np.where(qrs_window[:r_idx] half_max)[0] right np.where(qrs_window[r_idx:] half_max)[0] if len(left) 0 and len(right) 0: width_ms (r_idx - left[-1] right[0]) * 1000 / fs else: width_ms 0 features[qrs_width_ms] width_ms features[r_amplitude] qrs_window[r_idx] # 频域特征0-15Hz 能量占比 freqs np.fft.rfftfreq(len(qrs_window), d1/fs) fft_mag np.abs(rfft(qrs_window)) mask (freqs 0) (freqs 15) features[energy_0_15hz_ratio] np.sum(fft_mag[mask]**2) / np.sum(fft_mag**2) # 非线性特征 features[sampen] sampen(qrs_window, emb_dim2, tolerance0.1*np.std(qrs_window)) return list(features.values()) # 提取所有 QRS 窗口的特征 X_features np.array([extract_features(q, fsfs) for q in qrs_list]) y_labels labels[:len(X_features)] # 对齐标签 print(f特征矩阵形状: {X_features.shape} (样本数 × 特征数)) print(f特征名称: [qrs_width_ms, r_amplitude, energy_0_15hz_ratio, sampen])注意nolds库需pip install nolds其sampen实现严格遵循 Richman Moorman 2000 年论文定义。若sampen报错ValueError: emb_dim must be less than len(data)-1说明 QRS 窗口过短50 点需检查preprocess_ecg中的截取逻辑。3. MATLAB 与 Python 特征一致性验证用相同算法跑通两个平台当项目标题同时出现ECG分类、python、matlab意味着你需要跨平台复现。MATLAB 的signal工具箱和 Python 的scipy.signal在滤波器设计上存在数值差异MATLAB 默认使用butter的zpk零极点增益形式而 SciPy 默认ba分子分母系数形式导致filtfilt输出有微小偏差。验证方法不是比对浮点数而是比对R峰检测位置和QRS宽度统计分布。3.1 MATLAB 端导出预处理中间结果供 Python 比对在 MATLAB 中运行以下脚本将关键中间变量保存为.npz格式Python 可读% matlab_preprocess.m load(data_001.mat); fs double(fs); % 1. 带通滤波AHA标准 [b,a] butter(2, [0.5 40]/(fs/2), bandpass); filtered filtfilt(b,a,data(:)); % 2. 基线校正三次样条 [~,r_peaks] findpeaks(filtered, MinPeakHeight, mean(filtered)0.5*std(filtered), ... MinPeakDistance, round(0.4*fs)); baseline_x zeros(length(r_peaks)-1,1); baseline_y zeros(length(r_peaks)-1,1); for i1:length(r_peaks)-1 mid_idx floor((r_peaks(i)r_peaks(i1))/2); baseline_x(i) mid_idx; baseline_y(i) median(filtered(max(1,mid_idx-20):min(end,mid_idx20))); end f spline(baseline_x, baseline_y); baseline ppval(f, 1:length(filtered)); corrected filtered - baseline; % 3. QRS 截取 qrs_list {}; for r1:length(r_peaks) start max(1, r_peaks(r) - round(0.12*fs)); end_idx min(length(corrected), r_peaks(r) round(0.18*fs)); if end_idx - start round(0.3*fs) qrs_list{end1} corrected(start:end_idx); end end % 导出为 .npz需 Python 的 numpy 支持 % 将 cell 数组转为矩阵补零对齐 max_len max(cellfun(length, qrs_list)); qrs_matrix zeros(length(qrs_list), max_len); for i1:length(qrs_list) qrs_matrix(i,1:length(qrs_list{i})) qrs_list{i}; end npzwrite(matlab_qrs.npz, struct(qrs_matrix, qrs_matrix, r_peaks, r_peaks));3.2 Python 端加载 MATLAB 输出并比对特征分布import numpy as np import matplotlib.pyplot as plt # 加载 MATLAB 导出的 QRS 矩阵 matlab_data np.load(matlab_qrs.npz) matlab_qrs matlab_data[qrs_matrix] matlab_r_peaks matlab_data[r_peaks] # 用 Python 方法处理同一段原始信号确保 fs 相同 python_qrs, python_r_peaks preprocess_ecg(ecg_signal, fsfs) # 比对 R 峰位置误差单位毫秒 r_error_ms np.abs(python_r_peaks[:len(matlab_r_peaks)] - matlab_r_peaks[:len(python_r_peaks)]) * 1000 / fs print(fR 峰定位平均误差: {np.mean(r_error_ms):.2f} ± {np.std(r_error_ms):.2f} ms) # 比对 QRS 宽度分布直方图叠加 python_widths [] for q in python_qrs: r_idx np.argmax(q) half_max np.max(q) / 2 left np.where(q[:r_idx] half_max)[0] right np.where(q[r_idx:] half_max)[0] if len(left) 0 and len(right) 0: python_widths.append((r_idx - left[-1] right[0]) * 1000 / fs) matlab_widths [] for i in range(matlab_qrs.shape[0]): q matlab_qrs[i, :] q q[q ! 0] # 去除补零 if len(q) 0: continue r_idx np.argmax(q) half_max np.max(q) / 2 left np.where(q[:r_idx] half_max)[0] right np.where(q[r_idx:] half_max)[0] if len(left) 0 and len(right) 0: matlab_widths.append((r_idx - left[-1] right[0]) * 1000 / fs) plt.hist(python_widths, alpha0.5, labelPython, bins20) plt.hist(matlab_widths, alpha0.5, labelMATLAB, bins20) plt.xlabel(QRS Width (ms)) plt.ylabel(Count) plt.legend() plt.title(QRS Width Distribution Comparison) plt.show()关键结论若 R 峰误差 5ms 或 QRS 宽度分布 Kolmogorov-Smirnov 检验 p-value 0.01则说明两平台预处理流程存在系统性偏差。此时应统一使用 MATLAB 的sgolayfiltSavitzky-Golay 滤波替代 Python 的butter因其在保留 QRS 形态尖锐度上更优——这正是标题中matlab与python并列的深层原因算法选型需服从临床需求而非框架便利性。4. XGBoost 二分类模型构建与评估避开准确率陷阱的 5 项核心指标ECG 分类常面临严重类别不平衡如正常窦性心律 vs. 室性早搏。ecg_classification-master.zip中的labels若为[0,1]需先检查np.bincount(labels)。若正负样本比 5:1直接用accuracy_score会掩盖模型失效——99% 准确率可能只是把所有样本判为多数类。4.1 类别平衡与模型训练强制指定 scale_pos_weightfrom sklearn.model_selection import train_test_split from sklearn.metrics import classification_report, confusion_matrix, roc_auc_score import xgboost as xgb # 检查类别分布 print(类别分布:, np.bincount(y_labels)) # 划分训练/测试集stratify 保持比例 X_train, X_test, y_train, y_test train_test_split( X_features, y_labels, test_size0.3, random_state42, stratifyy_labels ) # 计算 scale_pos_weight负样本数 / 正样本数XGBoost 内置平衡 pos_count np.sum(y_train 1) neg_count np.sum(y_train 0) scale_pos_weight neg_count / pos_count if pos_count 0 else 1 # XGBoost 参数针对 ECG 特征优化 params { objective: binary:logistic, eval_metric: logloss, scale_pos_weight: scale_pos_weight, # 关键 max_depth: 6, learning_rate: 0.1, subsample: 0.8, colsample_bytree: 0.8, gamma: 0.1, reg_alpha: 0.01, seed: 42 } # 训练 dtrain xgb.DMatrix(X_train, labely_train) dtest xgb.DMatrix(X_test, labely_test) model xgb.train(params, dtrain, num_boost_round100, evals[(dtest, test)], early_stopping_rounds10) # 预测概率 y_pred_proba model.predict(dtest) y_pred (y_pred_proba 0.5).astype(int)4.2 分类评估必须报告的 5 项指标及其临床含义仅报告accuracy是危险的。ECG 分类需关注指标计算公式临床意义本例典型值敏感度RecallTP/(TPFN)漏诊率多少真实异常被漏掉95%避免漏诊心梗特异度SpecificityTN/(TNFP)误诊率多少正常人被误判为异常90%减少患者焦虑F1-score2×Precision×Recall/(PrecisionRecall)精准与召回的调和平均0.92ROC-AUCROC 曲线下面积模型区分能力0.5随机1.0完美0.95Youden 指数Sensitivity Specificity - 1综合判别效能最大值0.85from sklearn.metrics import recall_score, precision_score, roc_auc_score, roc_curve # 计算核心指标 sensitivity recall_score(y_test, y_pred) # 同 TP/(TPFN) specificity recall_score(y_test, y_pred, pos_label0) # TN/(TNFP) f1 2 * (precision_score(y_test, y_pred) * sensitivity) / (precision_score(y_test, y_pred) sensitivity) auc roc_auc_score(y_test, y_pred_proba) print(fSensitivity (Recall): {sensitivity:.4f}) print(fSpecificity: {specificity:.4f}) print(fF1-score: {f1:.4f}) print(fROC-AUC: {auc:.4f}) print(fYouden Index: {sensitivity specificity - 1:.4f}) # 绘制 ROC 曲线 fpr, tpr, _ roc_curve(y_test, y_pred_proba) plt.plot(fpr, tpr, labelfROC Curve (AUC {auc:.4f})) plt.plot([0,1], [0,1], k--, labelRandom Classifier) plt.xlabel(False Positive Rate) plt.ylabel(True Positive Rate) plt.title(ROC Curve for ECG Classification) plt.legend() plt.show()提示recall_score(y_test, y_pred, pos_label0)计算的是负类正常的召回率即特异度。不要用classification_report的support列判断样本量——它显示的是测试集中的数量而非原始数据集分布。5. 模型可解释性落地用 SHAP 值定位 ECG 分类的关键生理特征医生不会信任一个“黑箱”模型。标题中的ecg_classification要求输出不仅准确还要能回答“为什么判定这个片段是室性早搏” SHAPSHapley Additive exPlanations是当前最可靠的局部可解释方法它能给出每个特征对单次预测的贡献值。5.1 计算 SHAP 值并可视化单个样本的决策逻辑import shap # 创建 explainer使用 TreeExplainer 适配 XGBoost explainer shap.TreeExplainer(model) shap_values explainer.shap_values(X_test) # 选择一个测试样本例如第一个异常样本 idx np.where(y_test 1)[0][0] shap.plots.waterfall(explainer.expected_value, shap_values[idx], feature_names[qrs_width_ms, r_amplitude, energy_0_15hz_ratio, sampen], max_display4)5.2 特征重要性全局分析识别驱动分类的核心生理指标# 全局特征重要性基于 |SHAP| 值均值 feature_names [qrs_width_ms, r_amplitude, energy_0_15hz_ratio, sampen] shap_abs_mean np.abs(shap_values).mean(axis0) feature_importance pd.DataFrame({ feature: feature_names, shap_mean_abs: shap_abs_mean }).sort_values(shap_mean_abs, ascendingFalse) print(全局 SHAP 重要性降序:) print(feature_importance) # 可视化 plt.figure(figsize(8,4)) plt.barh(feature_importance[feature], feature_importance[shap_mean_abs]) plt.xlabel(|SHAP Value| Mean) plt.title(Global Feature Importance (ECG Classification)) plt.gca().invert_yaxis() plt.show()临床解读示例若qrs_width_ms的 SHAP 值为 0.8正向推动异常分类且该样本实际宽度为 160ms120ms则模型依据 AHA 标准判定为束支传导阻滞若sampen值为 -0.6负向抑制异常分类说明该片段复杂度高倾向正常节律。这种解释可直接写入医疗 AI 系统的审核报告满足 FDA 的可追溯性要求。本文还有配套的精品资源点击获取