简介：这是一份基于Unet架构的心电图（ECG）分割代码，面向医学信号处理与深度学习方向的研究者。项目通过小波变换将QTDB数据集中的原始信号转换到小波域，利用PyTorchWavelets提取尺度、实部与虚部特征，实现对P波、QRS波群和T波的自动标注。资源压缩包共27个文件，包括14个Python脚本，分别负责数据加载、Unet网络定义、训练与测试；另含8个pyc编译文件、3个Markdown说明文档、1个Jupyter Notebook演示小波提取过程，以及1份License，整体仅197KB，轻量便携。目前已有781人浏览学习。代码明确采用P=1、QRS=2、T=3的标签策略，结合WFDB工具处理生理信号，并提供清晰的README和目录说明，方便快速定位与复现。通过该资源，读者可掌握从数据预处理、小波特征提取到Unet模型训练与评估的完整流程，理解深度学习在ECG分段中的应用技巧，为相关研究或项目开发提供可复现的参考实现。 第一次看到Unet-ECG-Segmentation-Wavelet这种组合时，我第一反应是：一个做图像分割的网络，拿来切一维心电信号？这算哪门子跨界。但真正搭完、跑完、调完，我必须说，这个项目本质上踩中了ECG自动分析里一个长期没人好好解决的痛点——不只是检测QRS波群，而是把P波、QRS、T波三个分量全部切出来，还要切得准。这个任务传统方法能做，但做得非常痛苦；换成一维Unet之后，整个事情的思路和效果都清晰了很多。而且标题里的Wavelet并不是花架子，小波预处理在真实ECG数据里的作用，比很多人想象中大得多。
这篇就把整个项目的关键环节拆开讲：为什么选Unet、一维结构怎么改、小波预处理怎么做、数据标注和损失函数怎么配、训练时踩了哪些坑。按我个人经验，这几个点捋顺了，这个项目基本就能复现出不错的稳定效果。
1. 为什么拿Unet来处理心电波形
1.1 传统方法不是不能用，只是不够用
搞过心电信号处理的人，对经典QRS检测算法再熟悉不过。Pan-Tompkins那套流程——带通滤波、差分、平方、滑动积分、自适应阈值——在R峰检测上是教科书级别的经典方案，跑标准数据库时准确率能到99%以上。
但注意，它解决的核心问题是“定位R峰”或者“检测QRS波群是否发生”，它天生不擅长做细颗粒度分割。你要让它把P波的起点、终点标出来，把T波结束点找出来，它会非常吃力。原因在于P波和T波形态差异大、幅度低、容易被噪声干扰，尤其在房颤、早搏这类心律失常片段里，P波经常叠加在T波上，或者干脆看不清。传统算法遇到这种模糊情况，靠规则硬切很容易崩。
而且传统方法往往是“先检测、再逐段分类”的流水线结构，一步错了后面全错。比如R峰检测丢了，整个心动周期的切割就乱套了。所以传统方法做“波形分段”这个任务，本质上是在用规则去补形态学判断的短板，复杂度高、泛化差。
1.2 一维化改造后的Unet，恰好命中信号处理的要害
Unet是生物医学图像分割领域的常青树，最擅长处理的就是“目标边界模糊、需要上下文语义信息”的分割场景。这个特性放到ECG分割上，非常契合。
ECG单拍信号按时间维度展开，本质上就是一个一维序列。我们把Unet的所有Conv2d换成Conv1d，输入从图像变成一段心电波形，输出从像素级分类变成采样点级分类——每个时间点判断它属于P波、QRS波群、T波，还是背景。这个思路和图像分割里的语义分割一脉相承。
为什么Unet的结构适合这个任务？因为它有两条路径：
- 收缩路径做下采样，不断增大感受野，让网络能看到“整段心跳的宏观形态”，比如判断当前是正常窦性心律还是早搏；
- 扩张路径做上采样，把分辨率恢复到原始长度，让每个采样点都能得到一个分类结果；
- 跳跃连接把浅层的精细位置信息和高层的语义信息拼在一起，这一点对边界定位特别关键。P波边界本身很弱，如果没有浅层细节兜底，解码器很容易把边界抹平。
对比一下RNN或者Transformer：RNN很难并行、训练慢，长序列上的梯度衰减很麻烦；Transformer在ECG这种采样率动辄几百赫兹的长序列上，计算量太大。Unet作为CNN结构，并行效率高，局部感受野与波形形态特征天然匹配。所以这个选型不是跟风，而是结构特性刚好卡在任务需求上。
2. 一维Unet网络结构：四层编码器、跳跃连接和感受野的取舍
2.1 编码器：小卷积核与大感受野的平衡
项目里我采用的是经典的4层编码器结构。输入是经过预处理后的单导联ECG片段，采样率统一重采样到500Hz，输入长度为一个10秒窗口，也就是5000个采样点。
每层编码器包含两个Conv1d + BatchNorm + ReLU，卷积核大小取15。为什么用15而不是常见的3或者5？因为ECG波形是有生理意义的形态特征：QRS波群本身通常持续80到120ms，在500Hz采样率下就是40到60个采样点。卷积核太小，看到的只是局部毛刺；卷积核取到15左右，差不多对应30ms的窗口，既能感知到QRS波群的局部斜率变化，又能捕捉P波起点处的细微转折。这就是感受野和局部形态之间的平衡。
下采样我用的是stride=2的卷积而非maxpooling，原因是stride=2的卷积在降分辨率的同时可学习参数更多，信息压缩过程更平滑，对ECG这种相对平滑的生理信号来说，实测效果比直接maxpool好一点。
编码器通道设计从32开始，逐层翻倍：32 → 64 → 128 → 256。到第4层时，时间轴从5000降到625左右（5000 / 2^3 ≈ 625），空间分辨率已经比较低了，但语义信息最丰富。4层是实际调出来的折中点：层数太少，感受野不够，T波末端这种长程依赖容易识别不准；层数到5层以后，参数量翻倍，训练时间变长，但准确率提升非常有限。
class EncoderBlock(nn.Module): def __init__(self, in_ch, out_ch, stride=2): super().__init__() self.block = nn.Sequential( nn.Conv1d(in_ch, out_ch, kernel_size=15, stride=1, padding=7), nn.BatchNorm1d(out_ch), nn.ReLU(inplace=True), nn.Conv1d(out_ch, out_ch, kernel_size=15, stride=1, padding=7), nn.BatchNorm1d(out_ch), nn.ReLU(inplace=True), ) self.down = nn.Conv1d(out_ch, out_ch, kernel_size=1, stride=stride) def forward(self, x): return self.down(self.block(x))2.2 解码器与跳跃连接：边界定位的关键
解码器的作用是把编码器压缩后的特征逐步恢复回原始分辨率。每次上采样用转置卷积（ConvTranspose1d）或者线性插值都可以，我习惯用转置卷积，步长2，kernel size取4，padding取1，避免输出长度错位。
上采样之后，把同一层编码器的输出在通道维度上拼接起来，这是Unet的招牌操作——跳跃连接。ECG分割和图像分割在这一点上是完全一致的：下采样后的特征知道“这个地方大概率是T波”，但不知道“T波的起点到底精确在第几个采样点”；浅层特征保留了波形细节，知道“这个点有个明显的斜率转折”，两者拼接在一起，网络才能同时做出类别判断和边界定位。
但跳跃连接也不是无脑拼接就行。我试过直接把编码器第1层和第2层的特征全部搬过来，结果整段都是P波的“可疑区域”，误报率变高。后来只对第1、2层跳跃连接做了Dropout（0.2），相当于强制解码器不要过分依赖浅层特征，效果反而更好。这一点和图像分割里“深层特征更重要、浅层特征辅助定位”的经验是吻合的。
2.3 输出层和后处理：从概率图到波形标注
解码器最后一层输出通道数等于类别数，用1x1卷积压缩维度，得到每个采样点在各个类别上的logits，再接softmax。4类输出分别是：背景、P波、QRS波群、T波。
拿到逐点概率之后，不能直接argmax就完事。ECG分割有一个特殊性：相邻波形之间距离很近，P波结束和T波开始之间间隔很短，argmax结果经常出现“毛刺式”的类别抖动，比如QRS内部突然冒出几个背景点。我的处理方式是对概率序列做一个5点中值滤波，再取argmax，把孤立误分点抹掉。然后对每个类别做连通域分析，筛掉宽度小于20ms（即10个采样点）的碎片段，这些基本都是过分割噪声，不是真实生理波形。
输出层的设计还有一个值得注意的地方：类别顺序不能乱。背景类、P波、QRS、T波这4类的索引顺序要和损失函数、评估函数的设定保持一致，否则训练时Loss正常下降，但评估时Dice一片混乱，这种低级错误排查起来非常费时间。
3. 小波预处理：不止是去噪，还顺带解决了基线漂移
3.1 ECG噪声组成与小波选择的逻辑
ECG信号里最典型的噪声源有三个：工频干扰（50Hz/60Hz及其谐波）、基线漂移（因为呼吸、电极移动产生的低频成分，通常低于0.5Hz）、肌电干扰（高频随机毛刺）。
传统做法是堆滤波器：带通滤波器去基线和高频，陷波器去工频。但这套思路在处理ECG时有个天然矛盾——P波能量主要集中在0.5Hz到10Hz，T波更低，QRS波群能量在10Hz到30Hz。如果带通滤波器的下限设得太高，P波和T波会被削平；设得太低，基线漂移又除不干净。工频陷波器还会在QRS波群的高斜率区域产生振铃伪影。传统滤波在信噪比高、信号规整的静态心电图上还能用，一到动态心电、运动干扰大的场景，效果就很头疼。
小波变换的优势在于时频局部化。它能把信号分解成不同尺度下的近似分量和细节分量，噪声和有效信号在不同尺度上有不同的表现。低频的基线漂移集中在最后几层近似分量，高频肌电和工频干扰集中在前几层细节分量，我们可以只对特定尺度的系数做处理，而不去动P波、QRS所在的主要频段。
3.2 PyWavelets降噪实操要点
预处理我用的是PyWavelets库，小波基选择db6，分解层数8层。
为什么是db6而不是db4或者sym8？因为db6的支撑长度适中，在时间分辨率和频率分辨率之间取了一个较好的平衡。实测对比下来，db6对ECG波形形态的保真度明显好于db4，db4重构后QRS波群的峰值有轻微削峰现象；sym8虽然平滑度更好，但对P波起点这类局部细节响应略钝。
import pywt import numpy as np def wavelet_denoise_ecg(x, wavelet='db6', level=8): coeffs = pywt.wavedec(x, wavelet, level=level) # 最后一级近似分量置零，去除基线漂移 coeffs[0] = np.zeros_like(coeffs[0]) # 前两级细节分量做软阈值收缩，去除高频噪声 sigma = np.median(np.abs(coeffs[-1])) / 0.6745 thr = sigma * np.sqrt(2 * np.log(len(x))) for i in [1, 2]: coeffs[i] = pywt.threshold(coeffs[i], thr, mode='soft') x_hat = pywt.waverec(coeffs, wavelet) return x_hat[:len(x)]这里有两个细节需要说明。
第一个细节是基线漂移处理。传统方式是只去掉最后一层近似分量，但如果数据里存在明显的电极松动型慢漂移，最后一层近似分量里依然残留大幅趋势，会导致重构信号整体偏移。保险做法是先把最后一层近似分量置零，再对重构信号做一次0.5Hz高通滤波兜底。我在代码里保留了置零操作，让高频部分保留完整。
第二个细节是阈值的选取。通用小波软阈值公式是sigma乘以sqrt(2lnN)，其中sigma由最细尺度细节分量的中位绝对偏差估计，除以0.6745（高斯分布标准差与MAD的换算系数）。这个公式的理论依据是极小化风险估计，实际效果也稳定。阈值设置过高会把P波起点处的小转折一起压掉，阈值设置过低则高频噪声残留明显。
小波预处理对最终分割结果的影响，我做过对照实验：同一批数据，用原始信号直接训练和用小波预处理后训练，P波的Dice系数大约能提升3到5个百分点，T波结束点的定位误差平均减少约8ms。原因不难理解：ECG的语义信息分布在整个频带上，P波本身幅度只有QRS的十分之一左右，在高频噪声干扰下，网络很难从原始信号中学到稳定的P波边界特征。小波去噪相当于先把信噪比拉起来，再让网络去学形态学特征。
4. 训练数据、损失函数与评估口径
4.1 数据来源和标注难点
公开数据集里，麻省理工的QT Database是ECG波形分割的主流选择。它有105条记录，每条记录包含P波、QRS波群、T波起止点的人工标注，采样率多为250Hz。此外MIT-BIH Arrhythmia Database的标注以心跳类型和R峰位置为主，不是波形边界，所以只适合做辅助训练或者QRS检出的交叉验证。
处理时有个统一采样率的问题。QT Database的记录采样率是250Hz，而我在网络设计时按500Hz假设的卷积核长度，混着用会导致感受野语义漂移。我的做法是将所有数据统一重采样到500Hz，再按R峰位置切出每个心跳周围0.6秒的片段（R峰前0.25秒，后0.35秒），保证每个片段覆盖完整的一个P波、QRS和T波。
标注本身的难点比网络设计难点更大。P波的起点和终点，说实话，即便是有经验的医生来看，争议也很大。尤其当P波幅度低于0.05mV时，起点到底在哪里，不同标注者给出的边界可能差几十毫秒。QT Database的标注虽然相对权威，但训练时如果只盯着单点边界精度，模型会被标注噪声带偏。我在实际项目中引入了“标注模糊区”概念：在每个标注边界附近取正负30ms的范围，这个范围内的采样点不参与损失计算，相当于让模型在边界模糊区域自由发挥，避免被不可靠标注过度惩罚。这个技巧对P波分割的稳定性提升非常明显。
4.2 类别不平衡与损失函数选择
ECG分割的类别不平衡程度，比图像分割严重得多。一段0.6秒的心跳片段（300个采样点）里，背景类占了接近一半，QRS波群通常只占50到70个采样点，P波更短，大约30到50个采样点，T波稍宽但总占比也就两成左右。如果用普通交叉熵训练，网络学到的最优策略是“把所有点都预测为背景”，因为正确率依然很高，但对分割任务毫无意义。
我当时对比了几种损失函数的实际表现：
- 加权交叉熵：给P波、QRS、T波分别乘以高权重。效果直接，但权重的设定非常敏感，调不好会导致网络在低频类别上用力过猛，误报增多。
- Dice Loss：按类别独立计算Dice系数再取平均，天然对类别面积不敏感，小目标也能被公平对待。ECG分割里P波和QRS这类小目标选择Dice Loss明显比加权交叉熵稳定。
- Tversky Loss：在Dice Loss基础上增加了假阳性和假阴性的可调权重。这个损失在处理边界模糊问题时很有用，但调参成本高，未必适合直接上手。
我最终采用的是Dice Loss配合轻度的加权交叉熵，约0.7比0.3的混合比例。Dice负责不让小类别被忽略，交叉熵负责给逐点分类提供更平滑的梯度信号。这个组合在损失曲线和最终分割质量上都比单用其中一种更稳。
def dice_loss(pred, target, smooth=1.0): # pred: B, C, T -> softmax结果, target: B, T (long) pred_soft = pred.permute(0, 2, 1) # B, T, C target_onehot = F.one_hot(target, num_classes=pred.shape[1]).float() intersect = (pred_soft * target_onehot).sum(dim=1) union = pred_soft.sum(dim=1) + target_onehot.sum(dim=1) dice = (2.0 * intersect + smooth) / (union + smooth) return 1.0 - dice.mean()优化器用的Adam，初始学习率1e-3，配合CosineAnnealingLR把学习率从1e-3慢慢降到1e-5。batch size在单张消费级显卡上设到32，输入长度5000，数据量不大时整个训练过程大概几十分钟就能收敛，这种训练成本非常适合反复调参实验。
4.3 评估：Dice之外，还要点级容错
分割任务最常用的评价指标是Dice和IoU。我在项目里按类别分别计算Dice和IoU，再取平均，这样能看清网络对P波、QRS、T波各自的定位能力，而不是被一个总评分掩盖问题。
但ECG分割有一个特殊之处：临床关注的是波形边界对应的时间位置，而不是采样点级别的逐点重合。两个波形在形态上明明很相似，只是标注边界相差20ms，Dice可能就从0.95掉到0.8，这个下降在临床上没有太大意义。所以我额外引入了一个点级容错评估：预测类别段与标注类别段重叠区域如果达到该段长度的80%，并且边界误差在正负30ms以内，就判定为该段分割正确。这个指标更贴近实际应用需求，也更符合医生标注本身的精度上限。
训练集和验证集的划分也要注意一个坑：不要按片段随机划分，而应该按记录划分，保证同一患者的片段全部在训练集或者全部在验证集。否则模型很可能记住了患者个体差异，验证集Dice虚高，换一批新患者就原形毕露。
5. 训练与部署环节踩过的坑
5.1 切片方式、BN稳定性与标签重叠
第一个坑来自切片方式。最开始我按照R峰位置切出固定长度的心跳片段，每个片段恰好一个P波、一个QRS、一个T波。网络确实训练出来了，但一放到完整ECG上推理，出现了一个诡异现象：连续两个心动周期之间的T波和下一个P波，经常被合并成一个波形或者漏掉一个。原因在于训练时每段输入都恰好是一个完整周期，网络学到的隐含假设是“输入片段里最多只有一个P波和一个T波”，遇到真实的长序列，这种假设就被打破了。
解决办法是改用重叠滑窗切片：窗口长度1.2秒，步长0.4秒，每段窗口覆盖到多个心动周期。这样训练集不再保有“单个心跳独立”的强先验，模型对完整ECG序列的适应性明显提升。
第二个坑是BatchNorm在batch size偏小时的不稳定。ECG片段里不同患者的数据分布差异很大，如果batch size只有8或者16，BatchNorm的统计量会剧烈抖动，训练Loss曲线呈现锯齿状震荡。我把所有BatchNorm替换为GroupNorm，分组数设为8，训练瞬间稳定下来。建议直接用GroupNorm，省去调batch size的烦恼。
第三个坑是标签重叠。当相邻两个心跳距离特别近时，前一个T波的结束点可能和后一个P波的起点发生重叠，或者标签文件里出现QRS段和T波段存在数十个采样点的交叠。如果直接硬编码one-hot类别，一个采样点会有两个正确类别，模型训练时梯度互相打架。我最终在生成训练标签时做了一次“重叠归属仲裁”：重叠区域按更晚出现的波形类别归属，比如T波结束和P波起点的重叠区，优先归给P波起点。虽然这个选择有一定主观性，但避免了模型在重叠区学出一个不稳定的边界。
5.2 跨数据库泛化与轻量化部署心得
模型在QT Database上训练、同库测试，Dice可以到0.9以上。但换到另一家医院的动态心电记录上，Dice直接掉到0.75左右。问题不只是幅值尺度不同，还有波形形态的整体差异，比如某类设备的采集通道对低频增益偏低，导致T波幅度明显小于训练集。这个属于典型的域偏移问题。
我做了两个缓解手段。第一是在数据增强阶段引入波形级变换：对输入信号做随机增益缩放（缩放系数0.8到1.2）、随机时间微扰、叠加小幅高斯噪声，帮助模型学习对幅值和时移不变的特征。第二是如果预算允许，从目标设备上人工标注几百个小片段加入训练集，哪怕只标P波起点和T波终点，就能把Dice拉回到0.85以上。
部署环节，这个模型的规模其实非常轻。4层一维Unet，参数量大概500万到700万，PyTorch模型文件在20MB到30MB之间。我导出到ONNX之后再用TensorRT做FP16推理，一条10秒的ECG片段在桌面级GPU上只需要几毫秒，在树莓派级别的主板上也不会超过50ms。真正要注意的是动态输入长度，推理阶段输入长度不一定和训练时相同，建议在导出ONNX时固定一个可接受的序列长度上限，或者开启动态轴支持。
总结下来，这个项目里网络结构本身并没有多少创新性，一维Unet是很成熟的做法，让它真正出效果的是数据预处理、标签策略和训练细节的配合。小波降噪让模型看到的输入更干净，Dice Loss让模型关注到小波形，重叠滑窗和GroupNorm让训练过程稳定可靠。每一步单独看都很常规，但串起来之后，整个系统在有噪声的真实ECG数据上的表现，远比单纯的“Unet跑通”要扎实得多。
最后再分享一点个人体会：做这种生物医学信号的分割任务，最终瓶颈往往不在模型结构，而在于对数据本身的理解。ECG的波形边界存在天然的生理模糊性，即便标注者也难以做到毫秒级一致。我一开始追求把P波边界误差压到10ms以内，折腾了很久，后来才意识到与其让模型死磕模糊边界，不如把评估和训练策略调整到和标注精度匹配的水平，系统整体的可用性反而高了。如果你想在这个项目上做扩展，多导联融合输入、对抗域适应、边界概率输出可视化都是值得深挖的方向，但前提是先把预处理、损失函数和数据切刀这层地基打牢。
本文还有配套的精品资源，点击获取
