简介时间序列分类是机器学习与医疗AI领域的经典任务心电信号ECG因其蕴含丰富的心脏生理信息成为深度学习方法的重要应用场景。传统规则方法依赖人工特征难以适应复杂多变的真实波形而深度学习模型能够自动从原始信号中学习判别性特征。本文围绕心电图心拍五分类问题深入解析基于卷积神经网络CNN的技术路线从MIT-BIH公开数据集的读取与预处理到一维卷积网络结构的设计逻辑再到类别不均衡处理、训练策略与临床指标评估。同时探讨了患者独立划分、加权损失函数、数据增强等工程实践要点最终形成一套可复现的完整方案。文中给出的模型在测试集上对室性早搏等关键类别达到较高召回率验证了深度学习在心电信号自动分析中的实用价值为可穿戴设备心律失常监测与辅助诊断提供了可靠的技术参考。 做心电图信号分类这个项目我最初的动机非常朴素有朋友所在的团队拿到了一批24小时动态心电图记录每份记录里包含好几万次心拍医生要求把所有异常心拍尤其是室性早搏和室上性早搏全部标记出来。人工判读的话一位熟练的医生看完一份记录也要将近一小时几十份、上百份累积起来工作量相当可观。于是他们找到我问能不能用python把这堆心电图信号自动完成5分类任务。这就是整个项目的起点。这个项目做下来核心成果其实就三样一套完整可运行的Python源码、一份训练好的模型权重、一份能说清楚来龙去脉的项目说明文档。三者打包成一个zip拿到手的人不需要再从零研究心电图原理也不需要自己从头搭模型解压、配置环境、跑通流程就能直接复现整个分类管道。这篇文章我就把这套东西的里里外外讲透从任务定义到数据预处理从模型结构设计到训练调参再到最后的评估和文件组织每一步为什么这么做、踩过哪些坑都会讲到。1. 心电图5分类任务是什么先把题理解透很多人看到心电图信号5分类第一反应是拿个深度学习模型往数据上一扔跑个准确率出来就完事。这么做十有八九要翻车。因为这个任务里的5分类不是随便凑出来的五个类别而是心电领域约定俗成的AAMI标准分类体系每一类都有明确的临床语义和技术边界。1.1 AAMI五分类标准从医生诊断到模型输出的映射AAMI美国医疗器械促进协会发布的EC57标准是心律失常识别的行业基准。它把心拍的类别从MIT-BIH等数据库原始的几十种标注归纳为以下五类类别含义覆盖的心拍类型临床关注点N正常心拍及传导阻滞心拍正常窦性心拍、左/右束支传导阻滞、室上性逸搏等作为基线数量最多S室上性异位心拍房性早搏、交界性早搏、房性逸搏等容易与N混淆需要仔细鉴别V室性异位心拍室性早搏、室性逸搏等最需要被准确识别的一类与恶性心律失常相关F融合心拍室性融合波形态介于正常和室性之间最难分类Q未知/不可分类心拍起搏心拍、噪声干扰心拍等样本极少通常作为兜底类这里建议先把这个映射关系吃透因为后续所有代码逻辑、标签处理、结果评估都是围绕这五类展开的。项目里我直接用0到4的数字标签对应N、S、V、F、Q模型输出的softmax五维向量分别对应这五个概率值。1.2 为什么难三个现实障碍第一这个任务在数据层面严重不均衡。正常心拍在真实记录中占比超过80%而F类和Q类可能连1%都不到。模型如果偷懒把所有心拍都预测成N类准确率能到80%以上但没有任何临床应用价值。所以评估指标不能只看accuracy。第二类别间的形态差异不是均匀的。S类室上性早搏和N类的心拍形态在P波位置上略有差异但QRS波群看起来几乎一样而V类室性早搏的QRS波群宽大畸形特征突出。这就导致不同类别的可分性天差地别一个模型往往对某几类识别得很好对另几类就崩了。第三个体差异极大。不同患者的心电信号基线、幅值、心率都不同同一个患者在不同时间段的信号也会因呼吸、体位、电极接触状态而变化。模型如果只学会了记住训练集患者的心拍形态换到新患者身上就会性能暴跌。这也是为什么数据划分必须按患者维度来做而不是把所有心拍混在一起随机划分。2. 数据与预处理MIT-BIH数据库的完整处理链路这个项目用的是MIT-BIH心律失常数据库是心电分类领域公开最广泛、研究最充分的数据集。48条双通道动态心电图记录每条约30分钟采样率360Hz总共约11万个带专家标注的心拍。数据本身不难获取难的是预处理里那些细节。2.1 数据获取与信号读取MIT-BIH数据可以从PhysioNet官网直接下载。涉及到读取用Python生态里现成的wfdb库最方便。不过这里的坑在于wfdb库的API在不同版本里差异比较大旧版用rdrecord和rdann新版换了风格读到的信号是p_signal还是d_signal也容易混淆。我建议固定下来一套够用的读取逻辑import wfdb record_name 100 # 记录编号 record wfdb.rdrecord(100, sampto3600 * 30) # 读取前30秒 annotation wfdb.rdann(100, atr, sampto3600 * 30) signal record.p_signal # 双导联信号shape为(采样点数, 2) fs record.fs # 采样率MIT-BIH为360Hz r_peaks annotation.sample # R峰位置索引 symbols annotation.symbol # 心拍标注符号注意p_signal和d_signal的区别前者是物理量毫伏后者是数字量。后面做归一化的时候用哪个都行但要确保训练和测试用同一套。还有一点annotation.symbol里不只是心拍标注还有节律标注和注释性标注取心拍的时候要过滤出所有大写字母类型的心拍符号N、A、V、F等。2.2 滤波与心拍分割从连续波形到独立样本原始心电信号带着各种噪声基线漂移、工频干扰、肌电噪声。一定不能跳过预处理直接进模型否则模型学到的可能是噪声的特征。我的处理管道分两步第一步去除基线漂移。用一个窗口大小为200ms的中值滤波器估计基线然后用原始信号减掉基线。为什么是200ms因为QRS波群的宽度通常不超过120ms中值滤波窗口只要大于QRS波群宽度、又小于呼吸引起的基线波动周期就能在保留心拍形态的同时把基线拉平。MIT-BIH采样率360Hz200ms对应约72个采样点中值滤波窗口设成71或73奇数。第二步去除高频噪声。用一个0.5~45Hz的带通滤波器四阶Butterworth这里0.5Hz是为了配合基线漂移去除45Hz是为了去掉肌电和工频的残余干扰。注意不要用太窄的频带如果把截止频率压到15HzST段和T波的信息会被严重扭曲分类器就失去了区分某些心律失常的重要线索。心拍分割是整个预处理里最关键的一步。我的做法是以R峰为基准取R峰前0.25秒、R峰后0.45秒总共0.7秒的窗口。为什么前短后长因为P波出现在R峰前约0.12~0.22秒而T波在R峰后约0.25~0.40秒这个窗口能完整覆盖单个心拍的P-QRS-T波形。0.7秒乘360Hz等于252个采样点为了进入网络时方便处理我统一padding到256个点。R峰位置直接用MIT-BIH标注文件里的位置不要自己再跑R峰检测算法。原因很简单标注文件是专家校正过的金标准自己检测会引入额外的定位误差。如果项目场景是没有标注的原始数据比如可穿戴设备那就必须先跑一遍Pan-Tompkins算法做R峰检测后续再做分类。2.3 标签映射与AAMI规范哪些记录要剔除MIT-BIH的原始标注符号种类很多需要按AAMI规则做映射。核心映射关系如下N类N正常窦性、L左束支传导阻滞、R右束支传导阻滞、e房性逸搏、j交界性逸搏S类A房性早搏、a异常房性早搏、J交界性早搏、S室上性早搏V类V室性早搏、E室性逸搏F类F融合心拍Q类/起搏心拍、f起搏融合心拍、Q未分类心拍还需要注意两个规范细节。第一AAMI标准建议剔除4条使用起搏器的记录102、104、107、217因为起搏脉冲会严重干扰心拍形态。第二动态心电图中有一段疑似的心拍标注符是?这类直接丢弃或者归到Q类不要算进N类里。映射完后每一类的心拍数量大约是这样的N类90000多、S类2700多、V类7000多、F类800多、Q类十几个。这个不平衡比例是后面所有训练策略调整的根源。3. 模型结构设计一维CNN如何适配心电图信号模型结构是整个项目最核心的决策点。我最终选择了一维卷积神经网络1D CNN而不是把心拍转成图像用2D CNN也不是直接用Transformer。3.1 为什么用一维CNN心电图信号本质上是时间序列每个心拍是一个长度256的一维数组。如果把心拍画成波形图再转成图片虽然2D CNN也能做但这会引入两个问题一是时间对齐关系在图像上丢失了模型的平移不变性不一定对应心拍的生理语义二是计算量成倍增加训练和推理都更慢部署到资源受限的设备上会很难受。一维CNN直接沿着时间维度做卷积天然适合提取局部波形特征。卷积核在时间轴上滑动可以逐层组合出不同尺度的形态特征第一层学习P波、QRS波群的局部形状第二层学习这些形状的组合模式更深层则能捕捉到心拍级别的整体形态差异。这正好对应心电图诊断的思维模式——先看波形细节再综合判断。Transformer虽然也能处理序列但在这个任务上有两个问题一是参数量大MIT-BIH总共就10万左右的心拍训练数据量撑不起大模型二是Transformer对序列位置编码敏感心拍长度只有256点自注意力机制相比卷积并没有明显优势反而更容易过拟合。3.2 网络架构与感受野的计算逻辑我实测下来表现最稳定的结构是五层一维卷积加全连接分类头import torch.nn as nn class ECGNet(nn.Module): def __init__(self, num_classes5): super().__init__() self.features nn.Sequential( nn.Conv1d(1, 32, kernel_size5, padding2), nn.BatchNorm1d(32), nn.ReLU(inplaceTrue), nn.MaxPool1d(2), nn.Conv1d(32, 64, kernel_size5, padding2), nn.BatchNorm1d(64), nn.ReLU(inplaceTrue), nn.MaxPool1d(2), nn.Conv1d(64, 128, kernel_size5, padding2), nn.BatchNorm1d(128), nn.ReLU(inplaceTrue), nn.MaxPool1d(2), nn.Conv1d(128, 256, kernel_size5, padding2), nn.BatchNorm1d(256), nn.ReLU(inplaceTrue), nn.Conv1d(256, 256, kernel_size5, padding2), nn.BatchNorm1d(256), nn.ReLU(inplaceTrue), ) self.classifier nn.Sequential( nn.Dropout(0.5), nn.Linear(256, 256), nn.ReLU(inplaceTrue), nn.Dropout(0.3), nn.Linear(256, num_classes), ) def forward(self, x): x self.features(x) # (batch, 256, 32) x x.mean(dim2) # 全局平均池化 (batch, 256) x self.classifier(x) # (batch, 5) return x关于卷积核大小选5这背后是感受野的计算逻辑。第一层的感受野是5个采样点约14ms经过两个卷积加一个池化后第三层感受野扩大到第五层时有效感受野扩展到约29个采样点约80ms正好覆盖QRS波群的核心宽度。也就是说模型最深层能够看到的波形细节恰好对应临床医生最关注的QRS形态区间这不是巧合是设计时算好的。池化层选了最大值池化。对心电信号来说峰值形态R波幅度、S波深度是有重要判别意义的特征万一被平均池化抹掉了会很可惜。全局平均池化放在最后一层把每个通道的特征图聚合成一个值这样可以大幅减少全连接层的参数也降低对输入定长的敏感度。3.3 关键设计细节BatchNorm、Dropout、残差的取舍BatchNorm在这里起了大作用。心电信号经过带通滤波后幅值相对稳定但不同患者之间还是有差异BatchNorm把每层的输入分布重新拉回均值为0、方差为1的状态让模型对幅值差异不那么敏感训练收敛也快很多。Dropout在两个位置加了特征提取后的全连接层前加0.5的Dropout全连接层内部再加0.3。这个组合在验证集上比只加一次Dropout高了约2个百分点的精确率。我没有用残差连接。不是残差不好而是这个任务的数据量太小5层CNN已经足够拟合再加深网络比如10层以上就需要残余连接来稳定梯度但性能提升有限反而增加了训练难度和过拟合风险。如果换到更大规模的数据集比如数十万心拍可以考虑加深网络并加入残差结构。4. 训练流程与类别不均衡处理让模型不偷懒数据准备好、模型搭好之后训练环节反而最容易出问题。这里的坑集中在数据划分、损失函数和超参数上。4.1 患者独立划分数据分割的唯一正确方式心拍分割完成后训练集和测试集的划分绝对不能简单随机打散所有心拍。因为同一个患者的心拍在形态上高度相似如果同一个患者的9万个心拍一部分在训练集、一部分在测试集模型等于提前见过了测试患者的心拍形态测试结果会好得不可思议但换个新患者就原形毕露。正确做法是按患者record编号维度划分把患者的整条记录分到某一个集合里。我用了46个可用记录剔除4条起搏记录后取38个记录做训练8个记录做测试。每个记录内部再做80/20的切分得到训练集和验证集。注意验证集也是从训练患者的记录里划分的不能混入测试患者的数据。4.2 损失函数与数据增强专门针对心电信号的处理方案类别不均衡是训练阶段最大的敌人。我的处理策略是多管齐下第一加权交叉熵损失。加权的思路是小类样本在计算loss时被放大大类样本被缩小。权重计算公式是w_i total_samples / (num_classes * samples_i)。这样N类权重约为0.37而Q类权重会到14以上。PyTorch里直接传torch.nn.CrossEntropyLoss(weightclass_weights)即可。第二Focal Loss作为备选。Focal Loss在加权CE的基础上再用一个(1-p)^gamma的调制因子让模型专注于难分类的样本。我给S类和F类试过gamma2的组合在验证集上的效果比纯加权CE略好但提升幅度不到1个百分点。如果读者不想引入额外复杂度加权CE完全够用。第三过采样少数类。对S、F、Q三类进行重复采样让每类在训练时至少出现1500次。这里不建议用SMOTE合成新心拍因为心电信号是带生理约束的波形插值生成的新样本可能不真实反而干扰模型学习。直接用最简单的重复采样稳定且有效。数据增强这块一维心电信号能做的不多但有三招是安全的幅度缩放每个心拍乘以一个0.9到1.1的随机系数模拟电极稳定性的波动时间伸缩把256个点按比例缩放到250~262个点再插值回256点模拟心率变化加高斯噪声标准差设成0.01~0.05模拟轻微肌电干扰特别提醒一定不能做水平翻转。心电波形倒置不是正常的生理形态翻转会让模型学到错误的模式。随机裁剪也不行心拍边界一旦裁剪就会破坏P波或T波完整性。4.3 训练配置与超参数从学习率到EarlyStopping优化器选Adam初始学习率1e-3配合ReduceLROnPlateau调度器当验证集loss连续5轮不下降时把学习率减半。这个组合在大部分情况下都能稳定收敛。Batch size用256。心拍分类的样本量不大训练集约7万256的batch能保持梯度的稳定估计也兼顾显存占用。如果显存不够128也可以。训练轮数设了50轮上限配合EarlyStopping监控验证集loss连续10轮不降低就提前停止。实际训练中模型大约在第15到25轮之间达到最佳状态轮数太多反而导致过拟合。下面是训练过程中记录到的验证集指标变化趋势这是某次实验的典型曲线训练轮数学习率验证集loss验证集Macro F151e-30.4520.781101e-30.3380.862155e-40.2870.901205e-40.2610.918252.5e-40.2480.923301.25e-40.2430.925可以看到15轮前指标快速爬升之后进入平台期说明模型容量已经接近数据规模的上限。我自己在多次实验中的体会是与其反复调参不如确保数据预处理好、划分正确、权重设置合理这三件事对最终结果的影响远大于在模型里加一个注意力模块。5. 评估结果与结果解读不要被Accuracy骗了模型训练完第一个动作不是看准确率而是打印分类报告和混淆矩阵。5.1 混淆矩阵与临床指标敏感性比准确率重要我生成的一份典型分类报告如下测试集为8个独立患者记录类别PrecisionRecallF1-score样本数N0.9820.9950.98815678S0.8720.8140.842451V0.9320.9510.9411205F0.7840.7260.754138Q0.6670.5000.57112整体accuracy是0.972Macro F1是0.819Weighted F1是0.969。这里必须强调accuracy 0.972看起来很漂亮但这是被N类的大样本撑起来的。真正反映模型实力的指标是Macro F1把每一类的F1平均0.819才更能说明模型对少数类别的识别能力到底如何。从混淆矩阵来看主要的混淆模式是S类被误判为N类约占S类总数的15%。这个不难理解室上性早搏和正常心拍之间的差异本身就很细微很多情况下连医生都要反复比对才能确认。F类被误判为V类约占F类的20%。F融合波在形态上本来就介于正常和室性早搏之间和V类混淆在临床上是可以接受的因为融合波通常不需要紧急处理但也不能完全无视。Q类样本太少模型几乎学不到它的特征只能靠运气。在实际使用时我倾向于让模型对低置信度样本直接打无法判断标记交给医生复核。临床指标更直观。对V类心拍医生的核心诉求是召回率Recall要高因为漏检一次室性早搏可能意味着错过了对恶性心律失常的预警。我在测试集上V类的Recall是0.951这说明100个真室性早搏中模型能发现95个剩下的5个主要发生在信号质量极差的片段里。5.2 模型效果不佳时的排查路径如果你的复现结果没有达到上述水平先按这个顺序排查第一步检查数据划分。确认测试集的患者和训练集的患者没有重叠。这是最常见也最致命的错误。第二步检查标签映射。确认没有把S类和N类搞混尤其注意A房性早搏归S类而不是N类。第三步检查预处理。心拍分割的窗口如果偏移了R峰没有对齐模型性能会断崖式下跌。把若干个分割后的心拍画出来看一眼确认R峰在窗口的同一位置。第四步检查类别权重。如果加权CE的权重没有生效模型大概率会整体预测成N类。第五步检查训练集和验证集的分布。如果验证集F1忽高忽低很可能是少数类在验证集里数量太少波动大可以增加验证集中少数类患者的数量。5.3 模型文件与落地部署从训练到实用的额外经验项目里附带了一份训练好的模型权重格式是PyTorch的.pth文件。加载模型时要注意结构定义必须和训练时完全一致我建议直接把模型类写进model.py里通过torch.load加载权重后再调用model.eval()切到推理模式。实际部署时还有几个细节推理阶段记得关闭梯度计算用with torch.no_grad():包裹能省不少内存。如果后续要部署到实时监护系统可以用PyTorch的量化工具把模型从FP32转为INT8。实测下来推理速度提升约3到4倍宏平均F1只掉了0.5到1个百分点性价比很高。单导联和双导联的取舍我试过只用MLII导联和双导联同时输入双导联在S类上的Recall能提升约2个百分点但参数量和推理时间也相应增加。如果你的场景对S类高召回有硬要求可以考虑双导联输入模型第一层相应改成Conv1d(2, 32, ...)。6. 项目文件结构与复现指南拿到zip后按这个来标题里写的是源码模型项目说明的压缩包所以文件组织是否清晰直接决定别人能不能顺利跑起来。我的目录结构如下ecg-classification/ ├── data/ │ ├── raw/ # 存放MIT-BIH原始记录 │ ├── processed/ # 预处理后的心拍npy文件 │ └── split/ # 训练/验证/测试的索引文件 ├── src/ │ ├── preprocessing.py # 滤波、分割、标签映射 │ ├── dataset.py # 数据加载器 │ ├── model.py # ECGNet模型定义 │ ├── train.py # 训练验证保存最佳模型 │ ├── evaluate.py # 评估混淆矩阵分类报告 │ └── utils.py # 通用工具函数 ├── models/ │ └── best_model.pth # 训练好的模型权重 ├── results/ │ ├── confusion_matrix.png │ ├── training_history.png │ └── classification_report.txt ├── requirements.txt └── README.md关键文件的作用很明确preprocessing.py读原始MIT-BIH数据做滤波和心拍分割保存为npy格式同时输出标签映射后的数组。dataset.py定义Dataset类从processed目录加载数据在训练时做在线数据增强。model.py模型类定义保持和上文的ECGNet一致。train.py主训练入口输出每个epoch的loss和验证F1保存验证集F1最高的模型。evaluate.py加载测试集和模型权重输出分类报告、混淆矩阵图、训练曲线图。复现这个项目的完整步骤是从PhysioNet下载MIT-BIH数据库的原始记录放到data/raw/目录。运行python src/preprocessing.py生成预处理后的心拍数据和标签。运行python src/train.py开始训练。训练结束后models/目录下会出现best_model.pth。运行python src/evaluate.py --model_path models/best_model.pth --test_set data/split/test.txt得到评估结果。环境依赖方面我的requirements.txt里固定了这样一套组合numpy1.21 scipy1.7 pandas1.3 matplotlib3.4 seaborn0.11 scikit-learn1.0 torch1.10 wfdb3.4建议用Python 3.8或3.9环境装这套依赖。PyTorch的安装请根据自己的CUDA版本选择对应命令CPU版本也能跑训练时间会慢一些但完全可用。项目说明文档README是很多人容易忽略的部分但恰恰是它决定了这个zip的可用性。一个好的README至少要包含项目背景一句话、数据来源与下载链接、预处理方法概述、模型结构图或文字描述、训练与评估命令、结果表格、常见问题比如数据下载失败、显存不足、复现结果偏低怎么排查、许可证与引用信息。我写README的习惯是假设拿走这个项目的人什么都不懂让他按文档走一遍就能跑通文档才算合格。最后再说一个我在实际使用中发现的小技巧。如果复现时遇到结果和报告对不上先别急着调模型看看是不是预处理阶段的问题。心拍分割窗口的偏移、滤波参数的微小差异都可能导致最终F1浮动1到2个百分点。这个项目我把预处理参数都固定写死在preprocessing.py开头了你在改动前可以先把原始结果复现出来再做自己的尝试。这比一上来就改模型结构要省时间得多。本文还有配套的精品资源点击获取