简介这是一份基于Unet架构的心电图ECG分段识别项目资源面向生物医学信号处理与深度学习初学者目标是自动标注心电信号中的P波、QRS波群和T波。项目采用小波变换将QTDB数据集中的ECG转换到小波域再送入Unet网络进行分割同时涉及利用循环神经网络LSTM进行注释的思路。压缩包内共27个文件包含14个Python脚本、8个编译后的pyc文件、3个Markdown文档、1个License及1个Jupyter Notebook涵盖数据加载、网络结构定义、训练与测试流程等环节打包后大小约197KB。目前已有781人学习浏览适合想在医学信号分割方向获得完整示例的开发者。通过本项目可了解小波域预处理、Unet模型搭建、QTDB数据标注方式以及PyTorch实现细节还附带dataloader和unet等模块便于直接运行与扩展实验。1. 项目概述与整体方案设计1.1 我们到底在解决什么问题如果你看过一份标准12导联心电图报告会发现医生嘴里常念叨的P波、QRS波群、T波本质上是心电信号里几段形态特征完全不同的波形。传统做法是让医生或者心电图技术员用肉眼逐个导联去标记一份完整的心电数据从P波起点到T波终点需要标注上百处费时费力不说不同人标出来的结果还会有偏差。而机器的任务就是把这件重复性极高的事情自动化给定一段原始ECG波形模型能自动输出每个采样点的标签告诉我们是背景、P波、QRS波群还是T波。这就是Unet-ECG-Segmentation-Wavelet这个项目做的事情。它把医学图像分割领域非常成熟的Unet结构迁移到一维心电信号上配合小波变换Wavelet做信号预处理实现对P、QRS、T三个核心分量的端到端分割。我在实际复现和跑通这个项目后最大的感受是把Unet用到一维信号上这件事本身不难真正决定效果上限的反而全在数据预处理、网络细节调整和训练策略这些不起眼的环节上。1.2 为什么选Unet而不是其他模型先回答一个很多人会问的问题ECG分割本质上是个序列标注任务为什么不用LSTM或者Transformer非要用Unet我的理解是Unet在ECG分割上最大的优势不是新而是它对边界极其敏感。ECG分割和图像分割有个共性——我们需要模型分清这个波从哪里开始、到哪里结束。Unet的跳跃连接结构把下采样过程中丢失的细节信息直接拼接到上采样路径这让模型能同时兼顾全局形态和局部边界。LSTM虽然能建模时序依赖但对长序列的边界定位偏钝Transformer在长序列上计算量偏大而且需要大量数据喂着。相比之下Unet结构简单、收敛快、参数效率高在医疗信号这种样本量通常不算充裕的场景下非常实用。项目标题里还有Wavelet这个词这是我们在预处理阶段的降噪和特征增强手段。心电图里最常见的污染是基线漂移、肌电干扰和50Hz工频干扰。传统做法是硬件陷波电路去工频或者用带通滤波器。但滤波器的缺点是会在波形边缘造成振铃效应而小波变换在这方面的表现要干净得多它能在去噪的同时保留波形尖峰和拐点这些关键形态特征。后面我会详细讲这一块怎么落地。2. 小波变换做预处理的3个关键参数2.1 为什么不用普通滤波器而用小波此处可参考热词中出现过的ecg陷波 电路来做个对比。很多人一想到工频干扰第一反应是上50Hz陷波器或0.5~40Hz带通滤波器。这种做法能解决一部分问题但对于分割任务来说有个致命缺点滤波器的频响是固定的一旦信号里的噪声和有效频带重叠比如肌电干扰频段宽、基线漂移频率低滤波就会连带损伤波形形态而分割任务恰恰依赖精确的波形形态。小波变换的思路完全不同。它把信号分解成不同尺度下的近似分量和细节分量。基线漂移集中在最大尺度近似分量高频肌电噪声集中在最小尺度细节分量我们要保留的QRS波群能量主要分布在特定几个尺度上。这样就能做到按需定向处理——只剔除噪声所在的尺度重建出干净的ECG波形。2.2 小波基函数、分解层数和阈值方法的选择我实际用的是Python的PyWavelets库pywt整个过程分三步选择小波基、确定分解层数、对细节分量做阈值处理。小波基的选择上ECG分割领域最常用的是Daubechies系尤其是db4。原因是db4小波的形态与QRS波群有天然相似性能最大化信号和小波基的匹配度。如果你用haar小波效果会差很多——它只有两个抽头系数无法刻画QRS波的圆滑形态但只用db4还不够需要结合采样率调整分解层数。以标准500Hz采样率的心电数据为例QRS波群主频大约在10~20Hz基线漂移通常在0.5Hz以下。小波每一层分解会把频率分辨率减半第1层细节分量对应125~250Hz第2层对应62.5~125Hz以此类推。计算之后你会发现基线漂移落在第7层左右的近似分量里而QRS能量集中在第3~5层。所以我通常分解到第8层这样能把低频基线漂移从低频近似分量中有效剥离又不至于把QRS的有效成分处理掉。最后是阈值处理。这里有个细节如果对所有层细节分量都做硬阈值处理会把高频P波起点切得不够干净如果全用软阈值QRS主峰幅度也会受压缩。我建议的策略是最高频的1~2层细节做软阈值处理中间层第3~5层只做轻度的硬阈值处理或者不处理保留QRS形态。阈值大小可以用通用公式 $\sigma \sqrt{2 \ln N}$ 来估计其中 $\sigma$ 是噪声标准差$N$ 是信号长度。实际操作中我通常用每层系数的中位绝对偏差来估计噪声标准差这样比直接算标准差更稳健。2.3 小波去噪前后效果对比我用一条带明显基线漂移和50Hz工频干扰的10秒ECG数据做过测试。未处理前R峰位置虽然肉眼可辨但T波起点和终点这种幅度变化平缓的位置很难被模型精确定位小波去噪后基线漂移基本完全消除工频干扰也大幅减弱T波边界上的抖动毛刺明显减少。最终分割模型的交并比指标提升约7~8个百分点。别小看这七八个点在医疗分割任务里这往往就决定了模型能不能达到临床可用水平。小波预处理本身并不意味着分割模型就能自动做到最优它和Unet是各自独立优化的环节两者结合才能实现稳定增益。3. Unet模型结构与一维化改造细节3.1 从二维Unet到一维Unet的关键改动标准的Unet结构大家都不陌生编码器依次下采样解码器依次上采样中间用跳过连接拼接特征图。把这个结构从二维图像改成1D信号主要涉及几个层面的调整而不是简单把所有Conv2D替换成Conv1D就完事。下面是我在实际实现里总结的几个核心改动。第一输入输出形状。ECG输入通常是一段10秒记录在500Hz采样率下就是5000个采样点所以输入维度是 (batch, 1, 5000)1表示单导联通道。输出维度是 (batch, num_classes, 5000)。类别数通常是4背景、P波、QRS波群、T波。如果只做QRS分割就是2类但我们的目标是完整的分段识别。第二卷积核大小。图像Unet的卷积核通常选3x3但在1D ECG上3个采样点只覆盖了6ms500Hz下这远不足以捕捉P波或T波这种持续时间100ms以上的形态。我测试下来第一层卷积核至少需要15到25个采样点也就是30~50ms的时域跨度。更深的层可以适当缩小卷积核因为随着网络加深感受野会被充分扩大。比如编码器第一层用25、第二层用15、后面用7或5这样的设计在参数量增加不多的情况下对波形整体形态的把握要好很多。3.2 通道数、下采样次数与感受野的权衡通道数沿用Unet经典的倍数递增设计我用的是16、32、64、128、256每个尺度的解码器对应通道与原编码器拼接后同样是该尺度通道数的2倍。这个方案在参数量上大约在300万~500万之间GPU显存占用很友好单张卡2~3GB就够训练。下采样次数是另一个重点。图像Unet往往下采样4到5次但1D ECG不能照搬。原因在于下采样次数和感受野、特征分辨率之间存在矛盾。假设输入的5000个采样点下采样4次后特征图长度是5000/2^4312.5取3135次后是156。如果下采样次数过多P波的起点或T波的终点等精细边界在最低分辨率层可能已经不是独立特征点了上采样之后即使有跳跃连接帮助恢复边界恢复的精度依然会受限。我在实际测试中5次下采样虽然感受野更大但P波分割的F1分数反而下降因为P波本身幅值小、持续时间又相对长过度下采样会让它缩成一团4次下采样在QRS、P、T分割的综合表现上明显更好。一个常用计算公式是堆叠足够多层后某一层的感受野大小等于 $RF_{l} RF_{l-1} (kernel_size - 1) \times stride_product$。这里stride_product是前面所有步长的乘积。在ECG分割场景下我建议保证靠近输出的特征点至少能看到200~300ms的心电上下文这是单个心动周期的典型时长。这样网络解码到每个点时才有足够的信息去推理自己属于哪种波形成分。3.3 深层特征与浅层特征的融合策略Unet的灵魂在于编码器和解码器之间逐层拼接特征图。在图像任务里直接拼接是主流做法但我在ECG任务上发现浅层特征里包含大量高频细节深层特征里包含语义信息直接把两者拼接会出现特征分布差异过大的问题。我的做法是在拼接前给编码器特征加一层InstanceNorm——如果直接强制全局统计特征个体差异反而会被抹平而心电信号本身个体差异就很大InstanceNorm更适合保留不同患者的数据分布。还有一个小改动值得分享在解码器每个卷积块里我把原本的ReLU换成了LeakyReLU负斜率0.01。这个改动的原因和信号特性有关ECG波形有正有负ReLU会把负值硬截断导致上采样过程中细节边缘信息容易丢LeakyReLU保留了负半轴的信息对T波结束和P波起始这类低幅值位置的恢复有帮助。这点改动在Loss曲线上看不到明显差异但在最终的P波边界预测上有肉眼可辨的提升。4. 训练策略、损失函数与评估方法4.1 标签编码方式与数据组织数据标注采用逐点分割标签是主流方式每个采样点用一个整数表示其所属类别分别用0表示背景、1表示P波、2表示QRS波群、3表示T波。这个顺序可以自定但有一点需要特别注意在计算损失函数时类别权重要对应正确不要写错。训练数据组织上不能直接用整段10秒数据一股脑丢进模型。10秒5000个采样点虽然单个样本不算大但在实际训练中不同RR间期心跳间隔差异会带来问题。我的做法是先用R峰检测比如用Pan-Tompkins算法把原始心电裁切成以单个心跳为中心的多段信号每段包含前后各300ms的上下文也就是总共600ms的窗口。这样做有几个好处训练样本数量成倍增加每个样本天然对齐了心跳周期上下文窗口包含完整的一个PQRST形态。如果你的数据标注是完整的10秒逐点标签那只需要切割时保留对应的标签切片即可。4.2 Loss函数怎么选才能解决类别不平衡ECG分割里有一个让很多人头疼的天然问题背景类占据绝对多数三个波形类别占比极小。我统计过一份公开数据集背景像素占比大约75%QRS波群约10%P波和T波各占5%到8%不等不同数据集差异较大。如果用普通交叉熵Loss模型很容易学习到全都预测成背景的偷懒策略。我最终的方案是CrossEntropyLoss和DiceLoss的加权组合$L L_{CE} \lambda L_{Dice}$。其中DiceLoss是多类别版本的每个类别单独计算Dice系数再求平均。这个系数在数学上定义为 $\frac{2|X \cap Y|}{|X| |Y|}$反映预测区域和真实区域的重叠程度。由于DiceLoss天然对类别分布不敏感它能让模型在少数类尤其是P波和T波上保持足够的注意力。$\lambda$ 的取值我试过从0.5到1.0最终设在0.8效果最稳定。还有个实用的技巧是难样本重采样。在训练前把每个样本中P波或者T波占比较高的样本标记出来在采样的阶段保证这些难样本出现的概率是普通样本的1.5到2倍。心电图数据往往来自不同患者无论是导联位置还是信号形态都有较大差异必要时候还需要对数据进行长度对齐或按导联特征缩放这能明显提升训练稳定性。4.3 训练实操参数与评估指标我的推荐训练配置供参考优化器Adam初始学习率1e-3配合CosineAnnealing学习率调度batch size 32采样率500时每个样本600ms就是300个点显存压力不大训练轮次50~80轮早停条件设为验证集loss连续10轮不下降。这里有个小提示ECG数据噪声大训练初期Loss下降非常快但到了30轮以后会进入平台期。别急着加数据先试试把学习率降到1e-4再训练10轮往往能把验证指标再推高2~3个点。评估阶段我建议同时用两组指标。第一组是逐点分类指标每个采样点的精确率、召回率、F1分数这部分直接反映分割的精细度。第二组是segment级别指标对预测结果做连通域分析提取出每个预测的QRS波区间与真实QRS区间比较是否有超过50%的重叠IoU 0.5从而计算段级别的检出率和误检率。很多论文只报第一组指标但临床上更关心的是你到底有没有把我这个心跳的QRS识别出来所以第二组指标一定要算。5. 常见问题与排查技巧实录5.1 P波分割精度低怎么定位原因P波是ECG三个波形里最难分割的因为它的幅值通常只有0.1~0.2mV接近于噪声水平。如果你的模型P波F1分数远低于QRS先不要着急改网络结构按下面这个顺序排查。第一步检查小波去噪参数。如果你为了去除工频干扰而把中间层细节分量做了过强的硬阈值处理P波这部分低幅值信号很可能被当成了噪声一起削掉。调试方法把小波重构后的波形和原始波形叠加显示看P波位置是否被磨平了。第二步检查LOSS权重。观察训练过程中P波类别的Dice系数在Loss函数中的贡献占比如果整体Loss里P波的部分占比过低会导致梯度被QRS完全压制。第三步检查数据标注质量。公开数据集里P波的标注普遍存在起点和终点界定不一致的问题如果你的训练集和验证集来自不同标注者验证集P波F1分数偏低可能根本不是模型的问题而是标注噪声的影响。我在实际项目中用两个不同的公开数据集相互测试发现P波F1分数波动最大能到5个百分点所以这方面一定要结合具体数据来评估。5.2 小波重构后信号幅度失真怎么办小波阈值去噪后信号幅度通常会略微下降因为部分噪声分量被移除的同时也带来一些有效信号损耗。这个问题在QRS主峰处通常不明显但在T波和P波处可能存在。我踩过一次的坑是用固定阈值处理所有导联——由于不同导联的噪声水平不同固定阈值只能照顾到整体个别导联的处理效果会不理想。后来我改成每条记录独立估算噪声再换算阈值效果稳定很多。另外一个办法是对阈值处理做两层保护先用更保守的阈值去除明显噪声再对重构后的信号波形细节做一次小幅度的幅值规整比如对检测到的R峰位置做局部最大值校正这样可以保留低幅值波形的完整性。5.3 模型在长记录上推理比较慢怎么办如果你的模型经过训练测试有效但部署到远程心电监护或高并发批量分析场景后对整段24小时Holter数据进行推理你会发现速度可能跟不上。我遇到的情况是直接用整条长记录作为模型输入GPU显存吃紧且推理耗时依然可能长达几十秒。解决思路是滑窗推理加重叠拼接把长记录切分成多个重叠窗口每个窗口推理后只保留中间部分的结果边缘部分丢弃最后拼接成完整分割结果。这个技巧在图像分割里称为overlap-tile策略在ECG分割里同样适用。滑窗长度设为与训练一致的样本长度比如600ms或1秒重叠率取50%。推理速度通常会提升数倍分割连续性也会更好因为避免了窗口边界处上下文缺失导致的误判。5.4 常见问题速查表问题现象可能原因排查与解决P波F1分数低小波去噪把低幅值P波削掉手动对比小波重构前后P波区域波形调整中低层细节分量阈值背景类预测过多类别不平衡导致加入DiceLoss或增大少数类在加权采样中的比例QRS位置偏移半个心跳下采样次数过多导致感受野过大把下采样次数从5次改回4次观察效果长时间记录推理慢整段推理内存显存压力大改滑窗推理窗口50%重叠只保留中间输出验证集指标震荡剧烈数据标注噪声或输入导联差异大按导联或数据来源分组统计指标5.5 数据集选择和跨域泛化的心得这里补充一个容易被新手忽视的问题ECG分割模型的跨数据集表现往往不太理想。在MIT-BIH数据集上训练的模型直接拿到其他医院或可穿戴设备采集的数据上性能会有明显下滑。原因包括采样率不同125Hz vs 500Hz、导联位置不同、以及滤波预处理方式不同。我的建议是第一数据预处理阶段最好统一重采样到固定采样率第二训练时加入幅度缩放和基线偏移的数据增强增强模型对不同信号质量的适应性第三如果你要部署到某类具体设备建议采集该设备的小批量数据做微调。如果设备采集的是单导联且采样率较低如250Hz建议训练时也把数据降采样到250Hz来保持输入分布一致。结尾项目后续还能怎么扩展这个项目做到后面我自己最大的体会是从模型角度看Unet在ECG分割上的性能已经相当接近可用的水平真正的瓶颈往往在于信号质量、标注一致性和跨数据泛化。如果要把这个项目进一步做深可以考虑往多导联输入方向扩展——标准的12导联ECG各导联之间在时间上是同步的、空间上反映不同心电向量角度把12个导联作为多通道输入给Unet理论上能捕捉到单导联看不到的全局信息这也是当前心电智能分析领域比较热门的方向之一。另外一个小技巧是训练完成后可以尝试对模型输出做后处理比如用马尔可夫规则约束类别跳转顺序——ECG生理上一定是背景-P波-QRS-T波-背景交替的不会出现QRS直接后面接P波的情况。给模型输出加一个简单的状态机约束能过滤掉一批不符合生理规律的跳变预测。这一招不需要改模型结构改动量极小但对整体分割结果稳定性的提升是实打实的。整个项目跑下来最后想分享的核心建议是做这类医学信号分割任务你在预处理和训练细节上花的时间往往比改网络结构的效果更显著。数据干净了、Loss合理了、评估指标科学了哪怕用标准Unet也能拿到不错的结果。迭代细节的过程虽然有些枯燥但每一步都是可复现、可验证的积累这对做医疗AI来说才是最重要的事情。本文还有配套的精品资源点击获取