PhysioNet-PTB-Diagnostic-ECG-Database

PTB诊断心电图数据库——高分辨率15导联心电图（12标准导联+Frank XYZ导联）及临床摘要；PhysioNet开放获取。PTB Diagnostic Electrocardiogram Database – high-resolution 15-lead electrocardiogram (12 standard leads + Frank XYZ leads) and clinical summaries; openly accessible via PhysioNet.

原始信息汇总

PTB Diagnostic ECG Database 数据集概述

PTB Diagnostic ECG Database 是一个公开的高分辨率、15导联心电图（ECG）诊断数据集，由 PhysioNet 发布，主要面向心电图诊断分析、病理分类及算法基准测试等研究任务。

一、数据集基本信息

• 全称：PTB Diagnostic ECG Database
• 访问地址：https://github.com/biometric-community/PhysioNet-PTB-Diagnostic-ECG-Database
• 上游来源：https://physionet.org/content/ptbdb/1.0.0/
• DOI：https://doi.org/10.13026/C28C71
• 数据许可：ODC-By 1.0（数据文件）、CC BY 4.0（辅助脚本与文档）
• 数据类别：生理信号（PhysioNet）
• 访问权限：公开

二、任务与模态

• 任务类型：诊断性心电图分析、病理分类、算法基准测试
• 数据模态：15导联心电图（12标准导联 + 3个Frank导联：vx、vy、vz）
• 数据格式：WFDB 格式（.dat 二进制信号文件 + .hea 头文件）
• 数据性质：真实临床与健康志愿者数据

三、数据规模与采集

• 受试者数量：290个患者文件夹（本地计数；编号跳过124、132、134、161）
• 记录数量：549条记录（.hea / .dat 文件对；每位受试者1-5条记录）
• 采样率：1000 Hz
• 位深与量程：16位，±16.384 mV
• 临床摘要：大部分记录在头文件中包含临床摘要信息（上游有22个受试者缺失）
• 原始档案大小：约1.7 GiB（压缩包）

四、数据组织结构

• 每个受试者一个文件夹（如 patient001/），记录文件以 WFDB 基名存储（如 s0010_re.hea、s0010_re.dat）
• 无官方训练/验证/测试划分，需自行定义分割以避免患者数据泄露
• 通过 setup.sh 脚本可将大文件分片存储于 GitHub 安全的分片目录 parts/ 中，并可恢复与校验

五、诊断类别统计（来自上游，具有临床摘要的268名受试者）

诊断类别	受试者数
心肌梗死	148
健康对照	52
心肌病/心力衰竭	18
束支传导阻滞	15
心律失常	14
心肌肥厚	7
心脏瓣膜病	6
心肌炎	4
其他	4

六、已知问题与注意事项

• 本数据集为 PTB Diagnostic ECG，不同于 PTB-XL 语料库
• 受试者编号不连续（缺少124、132、134、161）
• 部分受试者（22个）缺少临床摘要
• 全档案较大（约1.7 GiB），建议优先使用 GitHub 分片文件
• 无官方划分，需自行构建以避免患者数据混入不同集合

七、引用与许可

• 数据文件许可：ODC-By 1.0
• 辅助脚本与文档许可：CC BY 4.0
• 建议引用 Bousseljot et al. (1995) 及 PhysioNet 平台的引用要求

搜集汇总

数据集介绍

构建方式

PhysioNet-PTB-Diagnostic-ECG-Database是心脏病学与生物医学工程领域一项珍贵的数据资源，源自德国联邦物理技术研究院与柏林Benjamin Franklin大学医学院的合作，由PTB原型记录仪采集。该数据集涵盖290名受试者（年龄约17至87岁）的549份高分辨率十五导联心电图记录，其中临床健康者与多种心脏疾病患者混杂，心肌梗死占比尤为突出。每份记录包含十二标准导联及Frank XYZ导联，以1000 Hz采样率、16位精度存储，并同步提供临床摘要注释。原始数据以WFDB格式封装，约1.7 GiB，经分片压缩以适配GitHub存储，经由setup.sh脚本完成校验、分割与还原，保障了数据的完整性与可迁移性。

特点

该数据集核心优势在于其高分辨率多导联特性与诊断标注的丰富性。十五导联配置在解剖维度上同步采集心脏电活动，为分析心肌梗死、束支传导阻滞、心肌肥厚等病变提供了空间分辨力。临床摘要内嵌于头文件中，标注了病理类别的受试者分布，覆盖心肌梗死、心力衰竭、心律失常等主要病种，兼具对照组，为诊断模型的构建与验证奠定基础。数据采集自真实临床环境，排他性双耳记录设计及时间同步性保证了信号质量。此外，数据规模适中，549份记录为深度学习算法提供了足量训练样本，但受试者编号不连续及个别缺失临床摘要的现象亦警示研究者需审慎处理。

使用方法

使用时，研究者可通过bash setup.sh restore命令还原数据至extracted目录，并利用WFDB软件库（如Python的wfdb包）读取信号与头文件元数据。核心加载流程为定位记录路径，经wfdb.rdsamp函数解析二进制.dat与文本.hea配对文件，获得多导联时间序列及采样率、导联名称等信息。针对分类任务，应将临床摘要中诊断标签与记录关联，构建监督学习范式。鉴于官方未划分训练/测试集，需自行设计交叉验证策略，尤其须确保按受试者分组以避免数据泄漏。该数据库支持心电图自动诊断、病理分类及算法基准测试，其ODC-By 1.0许可也便于学术共享与成果复用。

背景与挑战

背景概述

PhysioNet-PTB-Diagnostic-ECG-Database，源自德国联邦物理技术研究院（PTB）与柏林Charité医学院的合作，由Bousseljot等人于1995年构建并发布。该数据库收录了290名受试者的549条高分辨率15导联心电图记录，涵盖心肌梗死、健康对照、心肌病等多种诊断类别，采样率达1000 Hz，并附有临床摘要。作为心电诊断领域的权威基准，它被广泛用于病理分类算法验证与深度学习模型训练，推动了心电图自动分析技术的发展。其开放获取特性与标准化WFDB格式，使其成为心血管信号处理研究不可或缺的公共资源，对心电学量化诊断和临床决策支持系统的发展产生了深远影响。

当前挑战

该数据集面临的挑战核心在于：其一，临床诊断类别的分布不均衡，心肌梗死样本占比过高而瓣膜病等类别稀少，易致模型偏置；其二，受试者临床摘要不完整，22名受试者缺失元数据，限制了多中心研究的可复现性；其三，数据采集源自单一医院设备，可能导致信号特征域偏移，削弱跨人群泛化能力；其四，原始数据缺乏标准训练/测试划分，研究者需自行定义折叠策略以避免患者泄漏，增加了结果比较的复杂性；其五，数据规模较大（约1.7 GiB），存储与传输成本高，且因受试者编号不连续，需谨慎处理数据一致性与预处理流程。

常用场景

经典使用场景

PhysioNet-PTB-Diagnostic-ECG-Database作为心血管疾病智能诊断领域的经典基准数据集，广泛用于心电图自动分析算法的开发与验证。其高分辨率15导联心电记录（涵盖标准12导联及Frank正交导联系统）为心肌梗死、束支传导阻滞、心律失常等多种病理状态的分类研究提供了丰富的标注样本。研究者通常利用该数据集进行心电信号预处理方法探索、特征提取策略优化以及深度学习模型性能评估，尤其在心肌梗死的自动检测与定位任务中，该数据集已成为衡量算法泛化能力的金标准之一。

解决学术问题

该数据集有效缓解了心血管疾病研究中高质量标注心电数据稀缺的困境，解决了多类别病理心电信号识别中的小样本与类别不均衡问题，有力推动了从传统信号处理向数据驱动诊断范式的学术转型。凭借其规范的临床注释与统一的采集协议，数据集支撑了心电信号可解释性分析、跨导联信息融合及模型鲁棒性研究等核心学术议题，为可穿戴心电监测设备算法研发及数字医疗中的辅助诊断系统提供了可复现的验证基准。

衍生相关工作

该数据集催生了大量标志性研究成果，从早期基于小波变换与形态学特征的传统机器学习分类器，演进至近年融合注意力机制与多尺度卷积神经网络的深层次表征学习模型。其中，针对心肌梗死检测的跨导联特征融合策略成为众多后续工作的原型，而针对个体差异的域适应方法则衍生了迁移学习在心电领域的大量探讨。该数据库亦常作为预训练与微调范式的数据源之一，与PTB-XL等大型语料库协同用于心电基础模型的构建与评测，持续拓展心电智能分析的学科边界。