企业官网建设流程全解析

心电信号处理这个系列写到第四篇，前几篇聊了不少滤波、基线漂移校正、R峰检测这些算法层面的东西。今天这篇想换个视角，聊一个看起来最不起眼、实则最容易卡住新手的环节——心电数据格式。如果你从公开数据集下载过MIT-BIH，对着.hea、.dat、.atr这些后缀一脸懵；如果你在自己设备上采了一堆数据，却不知道怎么转成能跑算法的格式；如果你解析波形时发现幅值动辄几千、时间轴完全对不上，那这篇就是写给你的。

我会从数字化原理讲清楚格式为什么长这样，再把WFDB、SCP-ECG、HL7 aECG这些主流格式挨个拆开，最后用Python手把手把MIT-BIH的212格式从裸字节解析成心电波形。不管你是做科研、搞医疗器械，还是自己在捣鼓可穿戴设备，这份笔记都能帮你省下不少弯路。

1. 格式问题为什么值得花一整篇讲：先理解数字化那一刻发生了什么

很多初学者拿到心电数据的第一反应是打开文件直接画图，结果画出来一团乱麻。这不奇怪——你看到的文本、二进制、XML，其实都是模拟心电信号在数字化那一刻被“硬编码”下来的结果。想读懂各种格式，得先回到源头。

1.1 模拟信号变成数字数据，到底变了什么

心电图机或采集设备的电极贴在皮肤上，测量到的是毫伏级别的电位差，这是一个随时间连续变化的模拟信号。要让计算机处理它，必须先做两件事：采样和量化。

采样决定了时间分辨率，常见心电采样率有250Hz、360Hz、500Hz甚至1000Hz。360Hz这个数字有点特殊，它是MIT-BIH数据集的采样率，因为当年磁带记录和数字化设备的限制，后来成了科研界的“默认值”。理论上根据奈奎斯特定理，要保留心电信号里常见的100Hz以内的频率成分，采样率至少得200Hz，360Hz留了足够裕量，还能照顾到QRS波群里的高频细节。

量化决定了幅度分辨率。模拟信号是连续的，数字化后只能用有限个离散等级来表示。心电采集通常用12位、16位或24位的ADC（模数转换器）。12位意味着整个量程被切成了4096个等级，16位则是65536个等级。

举例来说，假如ADC的量程是±5mV，12位精度下每个最小刻度代表约2.44μV，而16位精度下约0.15μV。这就是为什么有些高精度心电设备能用16位甚至24位ADC——为了捕捉微弱的P波细节和ST段变化。

除了采样率和位深，还有两个概念必须搞清楚：增益（gain）和基线（baseline）。

心电信号本身只有毫伏级，ADC的输入量程通常是伏特级或几百毫伏级，所以模拟前端必须先放大信号。这个放大倍数就是增益，单位通常是“ADC码值/mV”，比如200、250、1000。

基线则代表“零电位”在ADC输出中对应的码值，常见的是1024或2048，也就是ADC量程的中点。

这里有个很经典的坑：文件里存的是ADC码值，不是毫伏。如果你不做(raw - baseline) / gain这一步换算，画出来的波形数值就会是几千甚至上万，看起来像噪音而不是心电。后面我会专门演示换算过程。

1.2 设计一种数据格式，本质上是在平衡哪几件事

理解了数字化参数之后，再看各种心电数据格式就容易多了。你会发现，不管格式怎么变，它都要解决同样几个核心问题：

第一，可恢复性。格式里必须保留采样率、位深、增益、基线这些元数据，否则拿到波形数据的人无法还原真实的物理信号。MIT-BIH的.hea头文件专门干这个，SCP-ECG里有专门的“ECG Acquisition”章节，HL7 aECG则用字段标签来记录。

第二，压缩与存储效率。心电数据动辄几小时甚至24小时连续记录，12位精度、360Hz采样率下，一小时单通道就是约1.27MB，多通道加上注释会更庞大。SCP-ECG用了差分编码和专用压缩算法，体积能做到原始数据的几分之一。而MIT-BIH的212格式，本质上也是一种压缩——用12位存储却能把两个通道塞进3个字节，省掉了25%的空间。

第三，注释与事件信息。一份可用的心电记录不能只有波形，还得有R峰位置、心拍类型（正常、室早、房早等）、起搏器事件这些标注。MIT-BIH的.atr注释文件、SCP-ECG的Reference Beat和Beat Rhythm章节，都是为了解决这个问题。这也是心电格式区别于普通波形文件的关键。

第四，可互操作性。医院里的心电数据可能来自不同厂商的设备，要做电子病历共享、远程会诊，格式必须能跨系统流通。DICOM和HL7 aECG就是为了这个目的出现的标准。

明白了这四个维度，再去看各种格式的文档，你会发现自己能快速抓住它设计的核心意图。

2. 主流心电数据格式全景图：从科研机房到临床设备再到可穿戴

心电数据格式不是一个“标准答案”，而是按场景分层的。科研界、医疗设备厂商、可穿戴生态，各有各的惯例。

2.1 WFDB/MIT-BIH：科研界默认的“硬通货”

如果你在心电信号处理领域待过，一定绕不开MIT-BIH心律失常数据库。它由MIT和Beth Israel Hospital在1980年代发布，包含48条半小时双通道心电记录，每条记录都带有专业医生标注的心拍类型。几十年来，它成了算法评测的“考卷”，几乎所有论文都会在MIT-BIH上报告准确率。

MIT-BIH采用的格式统称WFDB（WaveForm DataBase）格式，由三部分组成：

• .hea头文件：文本格式，记录采样率、通道数、位深、增益、基线、样本数等信息
• .dat数据文件：二进制，存储原始波形数据，常见212格式、16位格式、8位格式
• .atr注释文件：二进制，存储R峰位置和心拍类型标签

WFDB是一套完整工具链的名字，它不仅有数据格式，还包括rdsamp、rdann、wrann等命令行工具和C语言库，后来社区又封装了Python的wfdb库。说它是科研界的事实标准，一点也不夸张。

除了MIT-BIH，很多其他公开数据集也采用或兼容WFDB格式，比如欧洲ST-T数据库、QT数据库等。初学者从WFDB入手，等于同时打开了整个心电科研资源库。

2.2 SCP-ECG与HL7 aECG：医疗互操作的两条路线

如果说WFDB是科学家们“够用就好”的产物，那SCP-ECG和HL7 aECG就是医疗标准化组织的正经作品。

SCP-ECG（Standard Communication Protocol for Computer-Assisted Electrocardiography）是欧洲标准，同时也是ISO 11073-91064。它的设计目标很明确：在医疗系统之间传输心电记录，并且要完整保留诊断信息。SCP-ECG的存储方式是“分章节”的，患者信息、采集参数、参考心拍、节律数据、测量结果各自放在独立章节里，还可以用专用算法压缩波形数据。这种结构在传输效率和信息完整性上做了非常好的平衡。

HL7 aECG则是基于XML的心电标注格式，把波形数据以十六进制字符串嵌在XML里，同时用大量标签描述采样率、导联配置、滤波状态等细节。它的最大优点是纯文本、可读性好、跨平台性强，缺点是文件偏大，适合数据量不算太大的应用场景。

两者对比的话，SCP-ECG更接近“文件存储格式”，HL7 aECG更接近“消息交换格式”。临床心电网络建设里，用SCP-ECG存档案、用HL7 aECG做接口传输，是常见的组合。

2.3 EDF、CSV和厂商私有格式：工程落地里的“现实选择”

EDF（European Data Format）原本是为多导睡眠监测设计的通用生物信号格式，好处是头文件统一、支持多采样率，很多脑电、肌电、心电混合采集设备都支持它。如果你做的是多模态生理信号采集，EDF经常是首选。

CSV则是工程里最常见的“逃生通道”。自己拿MCU采集心电、或者读取某款手环导出的数据，最通用、最省事的方式就是存成CSV，每列一个导联、每行一个采样点，再加一列时间戳。它的缺点是文件大、没有标准元数据规范、注释信息难附加，但它够简单、够通用。很多算法原型开发阶段，我都会先把数据转成CSV或NPY来调试，跑通逻辑后再回到正式格式做工程化。

厂商私有格式则是绕不开的现实。Philips、GE、Mortara这些心电图机厂商都有自家的存储格式，用于保存原始波形和诊断结论。这类格式通常不开放完整文档，需要通过厂商SDK或中间软件导出标准格式。这也是很多医院数据科研化利用的第一道门槛。

做个小结，几种格式的定位差异很大：

3. 手把手解析MIT-BIH数据：从裸字节到心电波形

了解了全景之后，我们选一个最常见的场景做深度实操：解析MIT-BIH数据库。我以经典记录100为例，从.hea头文件一路解析到位，把212格式的.dat数据变成能画图的心电波形。

3.1 读头文件：.hea里每一个字段都不是摆设

打开100.hea，内容长这样：

100.dat 2 212 360 650000 0 11 0 0 0 0 0 100.dat 200 11 1024 995 - 0 0 0 0 0

第一行是全局信息，逐字段含义如下：

• 100.dat：数据文件名
• 2：通道数量
• 212：数据存储格式编号
• 360：采样率，单位Hz
• 650000：每条通道的样本总数
• 0：信号计数基线（该记录为0）
• 11：每个样本的位深（实际使用12位中的11位）
• 后续的0和某个特殊值代表分组信息，一般用默认值

第二、三行是每个通道的详细信息：

• 100.dat：该通道数据所在文件（双通道共用同一个文件）
• 200：增益，单位是ADC码值/mV。这里表示每1mV心电信号对应200个ADC码值
• 11：该通道位深，同样是11位
• 1024：基线值，对应0mV电位
• 995：信号第一个采样点的ADC码值（这个数值本身没多大含义，只是记录初始状态）
• -：无符号修正标记；若为+表示需要对码值做额外的符号扩展
• 后面的字段按需使用

实际操作中，直接用wfdb.rdsamp()读取最省事：

import wfdb signals, fields = wfdb.rdsamp('100', sampto=3600) print(fields['fs']) # 采样率：360 print(fields['sig_name']) # ['MLII', 'V5'] print(fields['adcgain']) # [200., 200.] print(fields['baseline']) # [1024, 1024] print(fields['units']) # ['mV', 'mV'] print(signals[:5])

signals已经是换算成mV的物理量，fields把元数据都装好了。但如果你想理解底层原理、或者未来需要解析非标准记录，我建议还是手动读一次头文件，搞清楚信息流是怎么走的。

3.2 解析212格式：每3个字节装下2个样本

212格式是MIT-BIH中最常用的格式，也是初学者最容易读错的地方。它的核心特点是：每个样本用12位（bit）存储，但为了节省空间，两个通道的12位数据被交叉打包在3个字节（24位）里。

拆开看是这样的逻辑：每3个字节组成一组，这一组里承载两个采样点——第一个点使用第1个字节的全部8位，加上第2个字节的低4位；第二个点使用第3个字节的全部8位，加上第2个字节的高4位。

用Python手动解析的代码如下：

import numpy as np def read_212(dat_path, nsamp_per_channel): raw = np.fromfile(dat_path, dtype=np.uint8) total_samples = nsamp_per_channel * 2 n_bytes_needed = (total_samples * 12) // 8 raw = raw[:n_bytes_needed].reshape(-1, 3) # 第一个通道：第0字节 + 第1字节的低4位作为高4位 ch1 = raw[:, 0].astype(np.int16) | ((raw[:, 1] & 0x0F).astype(np.int16) << 8) # 第二个通道：第2字节 + 第1字节的高4位作为高4位 ch2 = raw[:, 2].astype(np.int16) | ((raw[:, 1] >> 4).astype(np.int16) << 8) # 11位有符号数，超出2048表示负数，做符号扩展 ch1[ch1 >= 2048] -= 4096 ch2[ch2 >= 2048] -= 4096 return ch1, ch2 ch1_adc, ch2_adc = read_212('100.dat', 650000) # 物理单位换算 ch1_mv = (ch1_adc - 1024) / 200.0 ch2_mv = (ch2_adc - 1024) / 200.0

这段代码里有几个细节值得说明：

每个组里第1个字节和第3个字节存的都是12位值的低8位，而中间那个字节被拆成了两半，低4位给第一通道、高4位给第二通道。网上有些解析代码把中间字节高低4位的分配弄反了，画出来的两个通道互相串扰，QRS波会同时出现在两个导联上，排查起来非常痛苦。

符号扩展也是个关键点。212格式实际用的是11位有符号数，范围是-1024到1023。如果不做>= 2048的判断，负的采样值会被读成几千的正整数，波形看起来就像满屏的尖峰。

换算成物理单位后，ch1_mv的范围应该在±2mV左右，画出来能清晰看到P波、QRS波群和T波，这才是正常的。

3.3 注释文件.atr：心拍位置与类型标签

只有波形没有标注，MIT-BIH的价值会大打折扣。.atr文件用紧凑的二进制格式存储注释，每个注释对应一个采样点位置和一个类型码。

用wfdb库读取注释非常简单：

ann = wfdb.rdann('100', 'atr') ann_sample = ann.sample[:10] # 前10个注释的采样点索引 ann_symbol = ann.symbol[:10] # 对应的心拍类型 print(ann_sample) print(ann_symbol)

常见的心拍类型符号包括：

• N：正常窦性心拍
• L：左束支传导阻滞
• R：右束支传导阻滞
• A：房性早搏
• V：室性早搏
• Q：未分类心拍

R峰标注位置的意义在于，它可以作为算法评估的“金标准”。你训练QRS检测网络，输出结果和ann_sample对比，就能算出灵敏度、阳性预测率这些指标。做心拍分类时，ann_symbol就是标签来源。

如果想自己解析.atr，底层逻辑是每两个字节为一组：第一个字节的高4位表示注释类型标志，低4位和第二个字节组合成时间增量。解释这个格式确实需要读MIT-BIH的注解文档，我的建议是——除非你有特殊需求，否则直接复用wfdb.rdann就好，这部分的轮子已经足够成熟。

3.4 实际跑一遍：用Python画出带标注的心电波形

把前面的内容串起来，用wfdb一行指令加载数据和标注，再用matplotlib画出第一个通道前5秒的波形和R峰位置：

import wfdb import matplotlib.pyplot as plt import numpy as np record = wfdb.rdrecord('100', sampto=5*360) ann = wfdb.rdann('100', 'atr', sampto=5*360) t = np.arange(len(record.p_signal)) / record.fs sig = record.p_signal[:, 0] plt.figure(figsize=(12, 4)) plt.plot(t, sig, linewidth=0.8) for s in ann.sample: if s < len(record.p_signal): plt.axvline(x=s/record.fs, color='red', linestyle='--', linewidth=0.6) plt.xlabel('Time (s)') plt.ylabel('ECG (mV)') plt.title('MIT-BIH Record 100, Channel 1 + R peaks') plt.tight_layout() plt.show()

实际运行这段代码，你会看到清晰的、稳定的QRS波群，R峰位置对齐在每个波峰上。如果你看到波形幅值在0附近波动、R峰标注整体偏移，那就要往前排查——大概率是采样率或增益换算出了问题。

4. 格式转换、工具链与真实项目中的选型取舍

读数据和可视化只是第一步。真正做算法研发或产品落地时，你会频繁遇到格式转换和工具选型的问题。

4.1 值得记住的工具和库

Python生态里，最核心的是wfdb（官方维护的WFDB Python接口）。它能读几乎所有WFDB格式的记录和注释，也能写数据生成自己的数据集。配合numpy和matplotlib，常规科研流程完全够用。

heartpy是一个更偏应用的心电分析库，内置了滤波、心率计算、HRV（心率变异性）分析等功能，适合快速出指标。但要注意，它背后的核心其实是读入标准格式后的算法流程，数据加载模块的灵活性不如wfdb。

如果你是处理自己采集的数据，pyEDFlib用来写EDF文件，scipy.io或pandas用来处理CSV，再加上wfdb.wrsamp把CSV转成WFDB格式，一套流程就闭环了：

import pandas as pd import wfdb df = pd.read_csv('my_ecg.csv', header=0) samples = df[['ch1_mv', 'ch2_mv']].values n = samples.shape[0] wfdb.wrsamp( record_name='my_record', fs=500, units=['mV', 'mV'], sig_name=['I', 'II'], p_signal=samples, base_time='12:00:00', base_date='2023-01-01' )

这样一来，你自己采集的数据就能用wfdb库、甚至用各种临床算法直接处理了。

4.2 三种典型场景的格式选型建议

做算法研究：直接用WFDB/MIT-BIH格式，保持和公开数据集一致。减少格式转换的坑，评测指标才可信。

做医疗产品对接：优先支持SCP-ECG和HL7 aECG。虽然解析麻烦，但医院系统的数据交换就吃这套标准。建议把解析层封装成独立服务，用协议缓冲区或数据库表来中转，避免核心业务被格式细节拖累。

做可穿戴设备或IoT：不建议在端侧用复杂格式。端侧记录用轻量二进制+元数据头，或者直接用CSV片段，云端再统一转成标准格式做分析。压缩算法优先参考SCP-ECG的差分编码思路，它把“相邻采样点差值往往很小”这个信号特性利用得非常充分。

5. 常见问题与排查技巧实录

最后分享几个我在实际项目中踩过的坑，这些场景很多是文档里查不到的，但几乎每隔几个月就会有人问一次。

5.1 波形幅值几千甚至上万

如果你画出来的波形数值在几千级别，几乎可以断定没有做增益和基线换算。记住标准公式：mv = (adc - baseline) / gain。使用wfdb.rdsamp()时返回的已经是物理单位，但如果你自己解析.dat，这个换算必须自己做一遍。另外注意基线和增益是“每通道一个值”，别只用一个通道的参数去换算所有通道。

5.2 时间轴和采样率对不上

心电记录每条通道的采样率可能不同，读取时要用各自的fs。MIT-BIH这类标准数据通常两个通道采样率一致，但EDF文件里多信号不同采样率很常见。统一处理时，要么重采样到同一频率，要么按时间戳对齐，不能想当然认为同一行索引代表同一时间。

5.3 两个通道波形完全一样或互相串扰

这种情况九成是212格式字节拆包时高低位分配写反了。第1个通道用第2个字节的低4位，第2个通道用第2个字节的高4位——反了就串道。排查方法很简单：分别把两个通道画出来，观察QRS主波的极性是否一致。如果两个通道几乎一模一样，优先检查字节拆包逻辑。

5.4 注释文件读取后R峰位置整体偏移

R峰标注偏移通常是采样率传递错误导致的。比如解析器默认采样率是250Hz，但实际是360Hz，那么所有标注的时间索引都会系统性地偏移。用ann.sample与波形索引对比时，一定要用同一个采样率口径。

做一个速查表收着，遇到问题查一查：

5.5 转换过程丢信息

wfdb2edf这类工具能完成格式转换，但转换途中有些隐性损耗你要清楚：SCP-ECG里的诊断结论、起搏器标记、某些厂商的专有测量参数，在转换后可能丢失。转换前最好列一个字段清单，确认哪些信息必须保留，必要时自己写转换代码而不是依赖通用工具。

根据我个人经验，处理心电数据格式最重要的是养成“先读元数据再读波形”的习惯。拿到任何一份数据，第一件事不是画图，而是打开头文件或看fields字典，确认采样率、通道数、位深、增益、基线五个核心参数。这五个性价比极高的字段能帮你规避掉绝大多数解析陷阱，剩下的问题，基本都能靠搜索和读官方文档解决。

最后再分享一个实用技巧：如果你经常跟MIT-BIH打交道，建议把几个常用记录的头文件打印出来贴在工位边上。100、105、109、118这些记录，它们的通道配置、增益值、注释分布其实各不相同。多熟悉几份典型的头文件，你对“格式”这件事的理解会比看十篇文档都来得快。