如何加载、去噪并绘制临床标准12导联ECG（.hea/.mat格式）

核心问题排查 #

你之前的代码存在两个关键错误：

• 加载数据时将12导联的二维信号直接flatten()，丢失了各导联的独立通道信息，导致后续绘图无法区分不同导联
• 去噪过程针对一维混合信号处理，而非每个导联单独去噪，破坏了导联间的独立性

修正后的完整代码实现 #

1. 数据加载（保留导联通道） #

import wfdb
import scipy.io
import pywt
import numpy as np
import matplotlib.pyplot as plt
import ecg_plot  # 确保已安装：pip install ecg-plot

# 加载.mat格式数据（推荐，val直接是12行×采样点数的二维数组）
mat_data = scipy.io.loadmat('/JS00001.mat')
ecg_signals = mat_data['val']  # 形状：(12, n_samples)，每行对应一个导联
fs = 500  # 根据数据实际采样率修改，常见为500Hz或250Hz

# 若用.hea格式加载，需转置匹配mat格式结构
# record = wfdb.rdrecord('/JS00001')
# ecg_signals = record.p_signal.T  # 转置为(12, n_samples)

2. 针对每个导联单独去噪 #

def wavelet_denoise(signal, wavelet='db4', threshold_factor=0.1):
    coeffs = pywt.wavedec(signal, wavelet)
    coeffs[1:] = [pywt.threshold(c, threshold_factor * np.max(np.abs(c)), mode='soft') for c in coeffs[1:]]
    return pywt.waverec(coeffs, wavelet)

# 对12个导联逐一去噪
denoised_signals = np.array([wavelet_denoise(lead) for lead in ecg_signals])

3. 临床标准样式绘图 #

方法1：matplotlib手动绘制（自定义临床布局）

临床12导联标准布局：

• 上排：I、II、III导联
• 中排：aVR、aVL、aVF导联
• 下排：V1-V6导联

# 定义导联名称顺序
lead_names = ['I', 'II', 'III', 'aVR', 'aVL', 'aVF', 'V1', 'V2', 'V3', 'V4', 'V5', 'V6']
# 生成时间轴
time = np.arange(ecg_signals.shape[1]) / fs

plt.figure(figsize=(18, 12))
for i in range(12):
    plt.subplot(6, 2, i+1)
    plt.plot(time, denoised_signals[i], color='black', linewidth=0.8)
    plt.title(lead_names[i], fontsize=12)
    plt.xlim([0, 10])  # 显示前10秒数据，可按需调整
    plt.ylim([-2, 2])  # 振幅范围符合临床常规（单位：mV）
    plt.xticks(fontsize=10)
    plt.yticks(fontsize=10)
    # 隐藏冗余边框，仅保留左、下边框
    plt.gca().spines['top'].set_visible(False)
    plt.gca().spines['right'].set_visible(False)

plt.tight_layout()
plt.show()

方法2：正确使用ecg_plot库

之前调用无效的原因是数据格式或采样率参数错误，需确保输入为(12, n_samples)的二维数组，且采样率匹配实际数据：

# 绘制去噪后的12导联ECG
ecg_plot.plot_12(denoised_signals, sample_rate=fs, title='12导联ECG（去噪后）')
ecg_plot.show()

关键注意事项 #

• 采样率fs必须与数据实际采样率一致，否则时间轴显示错误
• 若需绘制原始信号，只需将denoised_signals替换为ecg_signals
• 手动绘图的振幅范围ylim可根据数据实际幅值调整，临床常规为±2mV~±3mV

内容的提问来源于stack exchange，提问作者R. Carrillo