胸骨加速度与心电同录 — CEBSDB 心震图数据库

心电图记录的是电，测不到"动"。心脏每收缩一次，血液被射进主动脉，胸骨会跟着产生一次幅度极小、持续几十毫秒的加速度——把这段加速度记下来，就是心震图（seismocardiogram，SCG）。它不需要电极贴片，一枚贴在心口的 MEMS 加速度计就够，因此被看作无感心率监测的一条备选路线。问题是这条路要走通，得先回答一个很朴素的问题：从振动里算出来的心跳时刻，和从心电里算出来的，差多少。

CEBSDB 就是为这个问题建的库。20 名自述健康的年轻人仰卧在普通单人床上，胸前贴一枚三轴加速度计，身上接两路心电电极，胸腹间绑一条压阻式呼吸带；先安静躺五分钟，再听约五十分钟古典音乐，音乐停后再躺五分钟。四个通道同步采，每通道每秒五千个采样点，一共 60 条记录、接近二十小时。

它的用法很窄，但窄得有价值：心电图在这套数据里不是被测对象，而是尺子——同一时刻的机械振动与电活动并排躺着，任何"从振动推心搏"的算法都可以拿电的答案去对。一屏速览见下表。

维度	内容
全名	Combined measurement of ECG, Breathing and Seismocardiograms DataBase（CEBSDB）
发布方	PhysioNet 托管，数据由西班牙加泰罗尼亚理工大学（UPC）电子工程系生物医学电子仪器组贡献
首次发布	2014 年 12 月 12 日，版本 1.0.0
后续版本	无，十余年只有 1.0.0
记录数	60 条（b 系列 20 条、m 系列 20 条、p 系列 20 条）
受试者	20 名，19–30 岁，12 男 8 女，自述健康，均为白人
每人体量	3 条：基线五分钟、音乐中约五十分钟、音乐后五分钟
通道数	4：心电 I、心电 II、胸带呼吸、胸骨心震图
采样率与位深	每通道 5 kHz，16 位整数存储
模拟带宽	心电 0.05–150 Hz；呼吸 0.05–10 Hz；心震图 0.5–100 Hz
采集设备	Biopac MP36，呼吸带 SS5LB，加速度计 LIS344ALH，电极 3M Red Dot 2560
总时长	约 19.9 小时（按 60 份头文件核算）
数据体积	未压缩 2.7 GB，ZIP 包 1.6 GB
文件格式	WFDB：.hea 头文件 / .dat 信号 / .atr 注释
许可	ODC-By 1.0，免注册
典型用途	心震图心搏检测、RR 间期一致性、呼吸对 RR 的影响、静息心率变异

§1 它要解决的具体麻烦

1.1 心电之外，还有一条测心跳的路

心率的临床测量几乎被心电垄断：R 峰是电活动里最锐利的特征，抗噪好、判读标准统一、设备便宜。但它有个物理前提——电极必须与皮肤接触。干电极会随汗液漂移，长时间贴片会让皮肤发红，洗澡、运动、睡眠翻身都会破坏接触。可穿戴产业这些年反复尝试绕开电极，光电容积脉搏波（PPG）是最成功的一条，腕表上的绿光几乎成了标配；但 PPG 测的是末梢血容量的变化，受灌注、体温、佩戴松紧影响，运动伪迹也重。

心震图是第三条路。胸骨的机械振动直接来自心脏射血，物理链路比 PPG 短，不需要与皮肤做电学接触，一枚加速度计贴住胸壁即可。它对体位敏感、对传感器位置敏感，个体间形态差异大，这既是它的难点，也是它值得被独立研究的原因。把心震图做成可用的心率源，需要的不是更多临床数据，而是一批"两种模态同时、同一时刻、同一采样率"的对照记录。

CEBSDB 提供的就是这批对照记录。它设计时就写明了两个目的：一是检验用两个不同导联测 RR 序列时，微小检测误差是否受呼吸影响；二是比较从心电得到的 RR 序列与从心震图得到的替代序列，并据此优化心震图的心搏检测器。两个目的共用一个前提——同步。

1.2 三条常见的错误期待

第一条，把它当成可穿戴落地数据。受试者全程仰卧不动、清醒、在安静房间里，传感器由实验人员贴好。真实可穿戴场景里的行走、坐起、说话、翻身，一个都没有。它是"理想条件下的模态对照"，不是"部署条件下的性能证明"。用它的成绩去承诺产品指标，会高估一个量级。

第二条，把它当成心电数据库使用。心电只有 I、II 两个肢体导联，采样率高达 5 kHz 但带宽只有 0.05–150 Hz，没有胸导联、没有诊断标注、没有临床结局。它的人群是 19–30 岁的健康年轻人，心律失常几乎不存在（官方只提到 4 号受试者有少量异位搏动）。拿它做心律失常分类，等于用健康人学病理。

第三条，把它当成大规模训练集。60 条记录、20 个人、约二十小时，信号总量在生理信号库里属于小体量。深度学习模型在这样的规模上很容易把受试者记死——尤其是心震图，波形形态与胸壁厚度、脂肪分布、传感器贴合角度强相关，20 个人就是 20 种形态。它的正确位置是验证集与消融实验台，不是预训练语料。

1.3 它能给到的与给不到的

你的需求	它给的	够不够
心震图心搏检测算法的开发与调参	20 人 × 三段、每段四通道同步，心电可作参考	够，这是它最本职的用途
从心震图算 RR 间期并与心电对比	同一时刻的两路信号，5 kHz 同步，无需配准	够，且是公开库里少见的配置
呼吸对 RR 序列的影响分析	独立呼吸通道，与心电同源同步	够，可直接做呼吸相位分层
双导联 QRS 时刻差异研究	I、II 两路心电同采，时刻差可逐搏计算	够做方法学，但样本只有 20 人
心律失常分类训练	官方只提到 1 名受试者有少量异位搏动	不够，几乎没有病理样本
可穿戴运动场景鲁棒性	全程仰卧不动	不够，场景完全错配
心震图跨人群泛化	20 名年轻白人，无年龄跨度	不够，人群极窄
多导联心电形态学	只有 I、II 两个肢体导联	不够，无法做胸导联相关任务
长时程心率变异（昼夜节律）	单条最长五十分钟	不够，只能做短时程分析
睡眠分期或呼吸事件检测	有呼吸带，但无睡眠、无事件标注	不够，只能做呼吸波形本身

1.4 你的处境与它能帮到的事

你的处境	它能帮你什么	下一步该做什么
你在做贴片式或床垫式心率监测，手上有加速度信号但没有金标准	提供心电与心震图严格同步的对照，心电可当参考时刻	先固定一套检波规则再比较，别在两套规则之间来回换
你要验证"呼吸会不会让 RR 序列带上周期性误差"	独立呼吸通道与心电同源，可直接按吸气/呼气相位分组	用呼吸带做相位标记，再统计 RR 差异随相位的分布
你在写心震图检测器的论文，需要公开可复现的评测集	60 条记录、统一格式、免注册，别人能原样跑通	明确写出用了哪几条、如何划分受试者、参考时刻怎么定
你在教生物医学信号处理，想找一个"一门课能讲完"的库	四个通道各代表一种物理量，体积适中，读取只需一个工具包	从基线五分钟的 b 系列入手，先讲形态再讲检测
你在做多模态融合的早期探索，需要干净的同步数据	电、机械、呼吸三种模态同轴	先做单模态基线，再做融合，报告增益而不是只报绝对值
你要做心率变异性的短时程分析	单条最长五十分钟，足够做五分钟与五分钟滚动的频域指标	注意去除异位搏动与坏导联段（§4.4 的案例）
你在评估某个开源心震图模型的真实性	体量小、下载快、人群干净，适合当"能不能跑通"的第一道关	先跑零样本，再决定是否微调
你要做临床人群的心震图研究	全为健康年轻人	不够，需另找患者队列

1.5 一句话判断

它的价值不在样本量，而在同一根时间轴上同时摆着"电的心跳"与"机械的心跳"——前者当尺子，后者当被测对象，这是心震图研究最难自建的条件。

1.6 不适合谁：四条边界

不适合做规模训练的人。 20 名受试者意味着任何以受试者为单位的统计，有效样本量都是 20，不是 60。三个阶段的记录彼此高度相关，把它们当成三条独立样本，是这类数据最常见的误用。

不适合做临床人群建模的人。 全部受试者自述健康、19–30 岁、无用药记录、无既往病史，官方只提到 4 号受试者有少量异位搏动。想研究房颤、心衰、心肌缺血的人，在这里找不到样本。

不适合做运动与自由活动场景的人。 采集时要求受试者"非常安静地仰卧"，全程清醒。心震图在行走时的运动伪迹与静息时完全不是同一类问题，用它调出来的滤波器在真实场景里会失效。

不适合把注释当绝对金标准的人。 官方页面与 README 都没有写注释是怎么产生的、两路注释各代表什么。注释文件确实存在且格式规范，但它的语义要靠使用者自己核对，不能默认它就是"逐搏人工确认的 R 峰"。

§2 数据构成与规格

2.1 一个扁平目录，六十组三个文件

项目目录是扁平的，没有按受试者或阶段建的子目录。根目录下直接摊开 60 组文件，加上四份文本清单。命名规则一眼可读：首字母表示测量阶段，后三位表示受试者编号。

路径	内容	量级
RECORDS	60 行，每行一条记录的 .dat 与 .hea 文件名	约 300 字节
RECORDS.txt	同一份清单的纯文本版	约 2 KB
README.txt	数据库说明：目的、人群、设备、带宽、采样率	约 3 KB
info.txt	20 名受试者的人口学与生活习惯摘要	约 2 KB
SHA256SUMS.txt	全部文件的校验和	约 13 KB
bxxx.hea / .dat / .atr	基线五分钟记录	每条约 10–12 MB
mxxx.hea / .dat / .atr	音乐期间约五十分钟记录	每条约 110–120 MB
pxxx.hea / .dat / .atr	音乐后五分钟记录	每条约 12 MB

.hea 是纯文本，只有五六行，用 curl 直接读一眼就能确认采样率与通道；.dat 是二进制，四个通道按帧交错存放 16 位整数；.atr 是二进制注释，体量从几千字节到几十千字节不等。三者缺一不可，只拿 .dat 无法还原物理量，只拿 .atr 无法知道那些时刻对应什么波形。

2.2 字段与记录的完整字典

这里的"字段"不是表格列，而是 WFDB 头文件的关键字位与注释项。把它们逐条列清楚，接入时就不必反复翻文档。

信息项	所在位置	取值形态	含义	使用注意
记录名	.hea 第 1 行首字段	b001–p020	记录标识	首字母即阶段，后三位即受试者
通道数	.hea 第 1 行第 2 字段	4	信号条数	全部记录均为 4
采样率	.hea 第 1 行第 3 字段	5000	每秒采样点	四通道相同，无逐通道差异
采样点数	.hea 第 1 行第 4 字段	如 1500000	总长度	除以 5000 得秒数
文件名	信号行第 1 字段	b001.dat	信号存放处	四通道共用一个 .dat
存储格式	信号行第 2 字段	16	16 位带符号整数	不是浮点
增益	信号行第 3 字段	如 33722.0181(-14974)/mV	每毫伏对应的整数	四通道差异极大
ADC 分辨率	信号行第 4 字段	16	位深	有效位受增益影响
ADC 零值	信号行第 5 字段	0	零电平对应整数	换算时先减零值
初始值	信号行第 6 字段	如 -16060	首采样点整数	用于校验
校验和	信号行第 7 字段	如 15465	采样点累加和	用于校验 .dat 完整性
块大小	信号行第 8 字段	0	每帧字节数	由工具自动推算
通道名	信号行第 9 字段	I / II / RESP / SCG	物理量标签	顺序固定
阶段说明	.hea 末行注释	如 #Baseline for subject 1	人读的阶段描述	三种固定句式，可解析
注释位置	.atr	采样点序号	事件时刻	除以 5000 得秒
注释符号	.atr	N	心搏类型	只见正常心搏一类
注释通道	.atr	0 / 1	两路注释	逐周期交替出现
年龄	info.txt	19–30	受试者年龄	整数，单位岁
性别	info.txt	male / female	受试者性别	12 男 8 女
生活习惯	info.txt	自由短语	吸烟、咖啡、活动量	非结构化，需自己映射

四个通道的增益差别值得单独说一句。以 b001 为例，I 导联的增益是每毫伏三万余个整数单位，心震图通道只有两千余，呼吸通道四万余。增益大意味着同样的电压被放大得更细，量化噪声更小；增益小则相反。

通道	名称	物理量	带宽	单位标注	b001 的增益
1	I	心电，左右方向投影	0.05–150 Hz	mV	每毫伏三万余单位
2	II	心电，上下偏左投影	0.05–150 Hz	mV	每毫伏七万余单位
3	RESP	胸廓周长变化	0.05–10 Hz	mV	每毫伏四万余单位
4	SCG	胸骨加速度	0.5–100 Hz	mV	每毫伏两千余单位

跨记录的差异比通道之间的差异更大。取四条记录的头文件对照，心震图通道的增益从七十余到四千余，跨度接近七十倍；II 导联从七千余到八万余，也有十倍。

记录	I 导联	II 导联	呼吸	心震图
b001	33722	72230	40950	2462
m001	37081	70430	9088	74
p001	49928	84945	11110	4948
m018	22724	7893	6605	750

这带来两个直接后果。同一记录内，四个通道的整数刻度不可等价比较；跨记录比同一通道的幅度，更要先按各自的增益归一。把原始整数直接喂进模型，等于让模型同时面对四把尺子和六十套刻度——它学到的可能是增益差异，而不是生理差异。

2.3 一条记录的完整解剖

取 b001。头文件第一行是 b001 4 5000 1360050：记录名 b001，四个通道，5 kHz，共 1360050 个采样点。1360050 ÷ 5000 = 272.01 秒。这是全库最短的一条——标称"五分钟"的基线段，实际第一条只录了四分半，之后 19 条基线记录都是整整 300 秒。

接下来四行信号声明，以心震图那一行为例：

b001.dat 16 2462.6354(3908)/mV 0 0 0 29704 0  SCG

从右往左读：通道名 SCG；块大小 0（由工具按四通道 16 位自动推算帧长）；校验和 29704；初始值 0；ADC 零值 0；位分辨率 16；增益 2462.6354，括号里的 3908 是基线值；存储格式 16 位整数；文件名 b001.dat。

最后一行注释是 #Baseline for subject 1。三种阶段的注释句式固定：#Baseline for subject N、#Long measurement for subject N、#After music listening for subject N。这意味着阶段信息既可以从记录名首字母读，也可以从头文件注释读，两者一致。

读取这条记录只需要三行：

import wfdb

rec = wfdb.rdrecord('b001', pn_dir='cebsdb')
print(rec.fs, rec.sig_len, rec.sig_name)      #-- 5000 1360050 ['I', 'II', 'RESP', 'SCG']
print(rec.p_signal.shape, rec.units)          #-- (1360050, 4) ['mV', 'mV', 'mV', 'mV']

p_signal 已按增益与零值换成浮点，d_signal 保留原始整数。注意 units 四个通道全是毫伏——心震图那一行也一样，这是本库最需要留意的一处标注习惯（§7.3）。

2.4 b、m、p 三段设计：同一个人，三个状态

三段不是随便切的，它们对应实验设计的三个测量窗口。理解这一点，才知道哪些分析可以跨段做、哪些必须段内做。

前缀	阶段	标称时长	实际时长（按头文件）	设计意图
b	基线，入室静息	5 分钟	272–300 秒	传感器刚贴好、受试者刚躺下，作为参照状态
m	听古典音乐期间	约 50 分钟	2841.5–3000 秒	长时程记录，情绪与自主神经状态可能变化
p	音乐结束后	5 分钟	300 秒	与基线对照，看音乐停止后是否残留差异

官方对音乐这一段只写了"听古典音乐约五十分钟"，没有写曲目、音量、播放设备，也没有写是否随机、是否所有人相同。这意味着"音乐"这个变量在库里是不可分解的：你无法把某一段的变化归因于某首曲子或某个节奏，只能整体当作"一段较长的、可能有情绪影响的静息期"。

三段的时长并不一致，这一点在拼接时很关键。m 系列的 20 条里有两条略短于五十分钟（m001 与 m007），其余正好 3000 秒；b 系列除 b001 外都是 300 秒整。切窗时不要假设所有记录等长，应该逐条读 sig_len。

组合方式	是否合理	理由
同一受试者的 b、m、p 各取一段做训练与测试	不合理	同一人、同一副胸骨、同一套电极，泄漏极强
只用 b 系列训练、只用 p 系列测试	勉强可用	仍是同一批人，只是状态不同
按受试者留一法（19 人训练、1 人测试）	推荐	20 人正好做留一或五折分组
把 60 条当 60 个独立样本随机切	常见但错误	同一人的三条会分到两侧（§4.4 的案例给出一个具体后果）
只用 m 系列做长时程分析	合理	单条足够长，可做五分钟滚动指标

2.5 与同类资源的字段差异

把 CEBSDB 放在几套常被拿来对比的公开库中间，差异立刻清楚：它不是心电库，也不是呼吸库，而是"同步模态"库。

对比项	CEBSDB	INCART	BIDMC PPG	PICS
记录数	60	75	53	10
受试者数	20	32	53	10
单条时长	5 分钟 / 约 50 分钟	30 分钟	8 分钟	20–70 小时
通道	心电 ×2、呼吸、心震图	心电 ×12	PPG、呼吸、心电	心电、呼吸
采样率	5 kHz	257 Hz	125 Hz	500 / 250 / 50 Hz
人群	健康年轻人	冠心病检查人群	ICU 患者	早产儿
核心用途	模态对照	心律失常	呼吸率估算	新生儿监护
逐搏标注	有，语义未文档化	有，类型齐全	有	有

这张表要说清的只有一件事：在"心电 + 机械振动"这一格上，公开库里几乎没有第二个选项。INCART 的十二导联再全，也没有加速度计；BIDMC 的呼吸标签再细，也没有胸骨振动。CEBSDB 的稀缺性来自通道组合，不来自规模。

2.6 四个通道各自在测什么

理解通道的物理含义，比记住字段名更有用，因为它决定了哪些量可以互相比、哪些不能。

通道	传感器	测的物理量	主要干扰	与心跳的关系
I	体表电极（右上—左上）	心电向量在左右方向的投影	电极接触、基线漂移	R 峰对应心室除极
II	体表电极（右上—左下）	心电向量在上下偏左方向的投影	呼吸引起的电轴摆动	同上，幅度通常更大
RESP	胸带压阻元件	胸廓周长随呼吸的变化	体位、带子松紧	与心跳无直接关系，与呼吸同相
SCG	三轴加速度计（胸骨）	胸壁的微小加速度	体动、说话、呼吸带来的整体位移	与射血相关的机械事件

心震图的波形有几组约定俗成的成分：收缩期的主峰（常被记作 MC）、主动脉瓣开放（AO）、主动脉瓣关闭（AC）、快速充盈（RF）等。它们与心电的对应关系不是固定的，会随胸壁厚度、传感器位置、体位变化。这正是本库存在的意义——要研究这种对应关系，必须有同步的心电做锚。

呼吸通道在这里不只是"附带信息"。它承担了第二个研究目的：两个导联的 QRS 时刻差是否随呼吸摆动。呼吸会改变心脏在胸腔内的位置与电轴方向，理论上会让不同导联看到的同一搏动在时间上产生微小偏移。要验证这一点，需要三样东西同时在场——两路心电、一路呼吸、足够高的采样率。CEBSDB 三样都有，而且采样率高到能把毫秒级的差异量出来。

§3 它是谁的数据：一间仪器实验室的静息实验

3.1 贡献者与机构

数据由加泰罗尼亚理工大学（Universitat Politècnica de Catalunya，UPC）电子工程系生物医学电子仪器组（IEB）的 Miguel Ángel García González 与 Ariadna Argelagós Palou 采集并整理。机构在巴塞罗那，实验室的方向是生物医学电子仪器——不是临床科室，也不是流行病学队列。这个身份决定了数据的性格：通道少但每个通道都采得很"满"，采样率高、带宽宽、同步严格，配套的是两篇方法学论文而不是临床描述。

项目	内容
采集机构	UPC 电子工程系生物医学电子仪器组（IEB）
主要贡献者	Miguel Ángel García González、Ariadna Argelagós Palou
合作者	Mireya Fernández-Chimeno、Juan Ramos-Castro（两篇论文的共同作者）
地点	西班牙巴塞罗那
托管方	PhysioNet
资助	西班牙 MINECO 项目 PSI2011-29807-C02（论文致谢中列出）

3.2 时间线

时间	事件	意义
2013 年 9 月	在 Computing in Cardiology 发表心震图心搏检测器比较研究	库的一部分数据在此文中被使用与描述
2014 年	在 IFMBE 会议论文集发表导联间 QRS 位置差异与呼吸关系的研究	库的第二个研究目的对应的产出
2014 年 12 月 12 日	数据库在 PhysioNet 上线，版本 1.0.0	首次也是唯一一次公开发布
2019 年 2 月 20 日	目录内补入校验和文件	只加校验，信号未动

第三行之后的空白同样有信息量：十余年间没有 1.1 版，没有增补记录，也没有勘误。对一个 60 条记录的库来说，这不是异常，而是常态——它的价值在发布那一刻就已经固定，后续维护只需要保证文件不坏。

3.3 采集场景：一张普通单人床上的五十分钟

官方描述很具体：受试者被要求"非常安静地仰卧在一张舒适的传统单人床上，保持清醒"。传感器贴好之后，先录五分钟基线；然后开始播放古典音乐，录约五十分钟；音乐结束后再录五分钟。整个过程没有体位改变、没有任务、没有药物干预。

环节	操作	时长	记录编号
贴传感器	两路心电电极、胸带、胸骨加速度计	未记录	—
基线	静卧，不说话	5 分钟	b001–b020
音乐	静卧听古典音乐	约 50 分钟	m001–m020
恢复	音乐停止后继续静卧	5 分钟	p001–p020

这个设计有一个隐含假设：五十分钟的静卧足以让自主神经状态发生变化，而变化会体现在心率与呼吸上。库本身不提供任何"状态"标签，也不提供受试者主观感受，所以这个假设能不能成立，要靠使用者自己从信号里找证据。

3.4 人群：二十个年轻人，一份很短的清单

受试者信息集中在 info.txt，每人一行，包含年龄、种族、吸烟、近期咖啡摄入、生活方式五项。清单很短，短到可以整段读完，但也短到做不了任何分层分析。

项目	分布	说明
人数	20	编号 001–020
年龄	19–30 岁	集中在二十岁出头，最小 19、最大 30
性别	12 男、8 女	男性偏多
种族	全部标注为白人	单一族群
吸烟	1 人吸烟（019 号）	其余 19 人自述不吸烟
咖啡	部分人"近期摄入"	未量化剂量与时间
生活方式	分"久坐"与"健康"两类	自述，无客观指标
既往病史	未提供	仅声明"自述健康"
用药	未提供	—
BMI	未提供	论文的子集给出了均值，全库无逐人数据

这张表最需要注意的是最后三行。没有病史、没有用药、没有体重指数，意味着任何"健康"相关的建模都缺少协变量；而"自述健康"这四个字在方法学上只排除明显患病者，不排除未诊断的问题。论文用的 17 人子集给出了年龄 24.7±3.9 岁、BMI 24.7±3.9、6 女 11 男，与全库的 20 人并不完全重合——差的三个人是哪三个，官方没有说明。

3.5 数据来源的三个层次

理解这份数据要分清三层：原始模拟信号（不可得，只在采集卡里存在过）、公开的四通道数字记录（基本单位，60 条）、心搏注释（监督信号，语义未文档化）。第一层决定了任何"原始波形"的讨论都只能是推断；第二层决定了每条记录的边界都是人为按阶段切的；第三层决定了监督信号的时间粒度是心搏，但它的来源与可靠性要自己核。

§4 它最独特的东西：电与机械同轴

4.1 为什么"同步"比"多通道"更难

多通道数据不难找，难的是通道之间严格同步。心电与心震图若分别采集、事后按时间戳对齐，两个时钟的漂移会直接变成毫秒级误差，而这个误差恰好与研究目标同量级——心震图的机械事件相对 R 峰的延迟只有几十毫秒，检测误差的目标是几毫秒。时钟差一点点，结论就翻。

CEBSDB 用一台 Biopac MP36 采全部四个通道，采样时钟只有一个，四路信号在硬件层面就是同一时基。这是它能被当作方法学基准的根本原因，也是自己搭实验最难复现的部分——要同时接心电放大器、呼吸带、加速度计并保证同一采样时钟，需要一台多通道生理记录仪。

同步方式	时间误差量级	对 RR 研究的影响
单机多通道同步采样（本库）	由采样率决定，微秒级	可忽略
两台设备各自采集、按时间戳对齐	毫秒到数十毫秒	与目标误差同量级，结论不可靠
事后按形态特征对齐	依赖算法，误差不可控	相当于把被测误差混进参考

4.2 双导联心电在这里不是冗余

十二导联库里，多用几个导联是为了看不同角度；这里用两个导联，目的不同——是为了量"同一搏动在两个导联上的时刻差"。I 导联与 II 导联看的是心电向量在不同方向的投影，同一个 QRS 波群到达两个导联的峰值时刻并不严格相同，差值在毫秒量级。这个差值会不会随呼吸周期摆动，是本库第二个研究目的的核心问题。

现象	机制	在本库里怎么观察
两导联 QRS 峰值不同时	心电向量投影方向不同	逐搏算 I 与 II 的峰值时刻差
差值随呼吸变化	呼吸改变心脏位置与电轴	用呼吸带相位分层统计差值
幅度随呼吸起伏	胸廓充盈改变导电路径	看 R 峰幅度的低频包络
检测误差被呼吸调制	阈值法在幅度低谷时更容易漏检	比较检出率随呼吸相位的差异

这也解释了一个常见误解：有人以为两个导联是用来做"导联冗余"提高抗噪的。在这个库里，冗余是副作用，主作用是提供一对可比对的时刻。

4.3 心震图的三种典型用法

同一份数据，不同的人会拿它做三件不同的事，难度依次上升。

用法	做法	依赖什么	难度
心搏检测	从 SCG 通道检出动心周期，与心电对时刻	单个通道的峰值检测	中
RR 序列重建	用检测到的心震时刻算间期，与心电 RR 比	检测稳定性 + 时刻精度	中高
形态与生理关联	分析 SCG 各成分与呼吸、心率的关系	波形分段与生理先验	高

第一件事是入门，第二件事是论文里最常见的评测，第三件事才是这份数据真正稀缺的地方——因为要研究形态，必须有可对照的电活动与呼吸相位，而这两样在别的公开库里很少同时出现。

4.4 案例：m018 第三十四分钟起的那四分钟

官方在页面底部列了两条"已发现的异常"，第二条是：m018 的 II 导联在第三十四分钟到第三十八分钟之间电极接触不良，信号质量差。这条提示看似琐碎，实际是这份数据最好用的一个教学样本。

把它拆开看，能同时说明四件事。第一，坏段是有边界的不只是"整条记录差"——三十四分钟之前和三十八分钟之后，同一导联是好的，所以按段丢弃比整条丢弃更合理。第二，同一条记录里 I 导联没有报问题，说明双导联在这里起到了互为备份的作用；如果只采了一个导联，这四分钟就只能整段作废。第三，任何以 II 导联为参考时刻的 RR 序列，在这四分钟里都会出现成串的伪间期，而这些伪间期会被后续的频域分析放大成假的低频功率。第四，如果训练时把 60 条记录随机切分，m018 的其余部分可能落进训练集、这四分钟落进测试集，模型就会在一个"参考本身是错的"样本上被评分。

观察点	具体表现	处理建议
坏段边界	第三十四分钟起、第三十八分钟止	按时间窗剔除，不要整条丢弃
影响通道	仅 II 导联	该段改用 I 导联做参考
对 RR 的影响	出现成串伪间期与漏检	RR 序列先做异常间期过滤
对频域的影响	伪间期抬高低频功率	分析前做插值或分段剔除
对划分的影响	同一受试者的三段高度相关	按受试者划分，不按记录划分

§4.4 的案例在后面的取数流程、偏差清单与最短流程里各出现一次，因为它是这份数据里唯一被官方点名的"已知缺陷"，也是最容易被忽略的一处。另一个被点名的异常是 4 号受试者的少量异位搏动，尤其集中在 m004——那条记录不适合拿去做"纯正常心搏"的基线。

4.5 标注的粒度：有文件，但语义要自己核

.atr 文件对每条记录都存在，格式是标准的 WFDB 注释，可以直接用工具读。但官方页面与 README 都没有写这些注释是谁标的、按什么规则标的、符号代表什么。核对一个文件可以看到它的内部结构：

观察项	结果	含义
符号种类	只有正常心搏一类	没有室性、房性等分类
注释通道	两个（0 与 1）	每个心动周期有两条注释
配对间隔	十余毫秒	同一搏动的两个基准点
相邻对间隔	约一秒量级	与静息心率吻合
辅助文本	空	没有节律标记或备注

两个通道各代表什么，官方没有说明。从配对间隔的量级，以及同一批作者另一篇论文专门讨论"导联间 QRS 位置差异"这一事实推断，较可能是 I、II 两个导联各自的 QRS 基准点；但这只是推断，不能当作官方口径写进方法节。稳妥的做法是把它当"参考候选"，用自己实现的检波器与它对齐后再决定信不信。

4.6 边界条件：什么情况下它不再适用

条件	是否适用	判断依据
研究静息状态下的心震图检测	适用，且是设计目标	采集时要求仰卧不动、清醒
研究运动或日常活动下的检测	不适用	全程无体位改变、无行走
研究呼吸对 RR 的调制	适用	独立呼吸通道与心电同源
研究心律失常	不适用	官方仅提到 1 人少量异位搏动
研究心震图跨人群差异	谨慎	20 人、同一族群、同一年龄段
做长时程心率变异（小时级）	不适用	单条最长五十分钟
做传感器位置敏感性研究	不适用	位置由实验人员固定，无重复贴放
做算法可复现性验证	适用	免注册、格式标准、体量小

§5 怎么拿到：从目录树到可训练张量

5.1 下载面与体量

官方提供整库 ZIP 与逐文件目录两条路。ZIP 包 1.6 GB，解开后 2.7 GB；逐文件下载适合只要其中几条的场景。全部文件免注册、免申请，直接 curl 或 wget 即可。

下载方式	体量	适合谁	注意
整库 ZIP	1.6 GB 压缩 / 2.7 GB 解压	要全量做实验的人	解压后磁盘要留足三倍空间
AWS 开放桶同步	同上	有云环境的人	免密钥，配合 --no-sign-request
逐文件目录	按条计	只想跑通流程的人	一条 m 记录就有一百余兆
工具包远程直读	按需	快速探索的人	每次读取都会发起网络请求

单条记录的体积可以直接估出来：四通道 × 5 kHz × 2 字节 = 每秒四万字节，五分钟约 12 MB，五十分钟约 120 MB。这也是为什么 m 系列不适合反复全量下载——二十条约 2.4 GB，几乎占了整库的九成。

记录类型	采样点	时长	.dat 体积
基线（b）	1500000	300 秒	约 11.4 MB
音乐中（m）	15000000	3000 秒	约 114 MB
音乐后（p）	1500000	300 秒	约 11.4 MB

5.2 读一条记录

最快的方式是用 WFDB 工具包远程直读，不必先下载整库。

import wfdb

rec = wfdb.rdrecord('m001', pn_dir='cebsdb')
print(rec.fs, rec.sig_len, rec.sig_name, rec.units)
#-- 5000 14246750 ['I', 'II', 'RESP', 'SCG'] ['mV', 'mV', 'mV', 'mV']

x = rec.p_signal          #-- 形状 (14246750, 4)，已是浮点物理量
print(x.shape, x[:, 3].std())

pn_dir 里的库名就是项目短名 cebsdb，工具会自动拼出文件路径。第一次读会把 .dat 拉到本地缓存，后续再读同一记录就不再走网络。

若要把全量落到本地，用命令行更省事：

#-- 只取清单与头文件，先看清结构
curl -sL https://physionet.org/files/cebsdb/1.0.0/RECORDS -o RECORDS
for r in b001 m001 p001; do
  curl -sL "https://physionet.org/files/cebsdb/1.0.0/${r}.hea" -o "${r}.hea"
done

#-- 取一条完整记录（三个文件缺一不可）
for ext in hea dat atr; do
  curl -sL "https://physionet.org/files/cebsdb/1.0.0/b001.${ext}" -o "b001.${ext}"
done
ls -lh b001.*

5.3 读注释，并按通道拆开

注释文件里的两条通道需要分别取出，否则会把"同一搏动的两个时刻"误当成"两个搏动"。

import wfdb
import numpy as np

ann = wfdb.rdann('b001', 'atr', pn_dir='cebsdb')
chan = np.asarray(ann.chan)
samp = np.asarray(ann.sample)

print(sorted(set(ann.symbol)))       #-- ['N']，只有一类
print(chan[:6])                      #-- [1 0 1 0 1 0]，两路交替

ch0 = samp[chan == 0] / 5000.0       #-- 一路注释的时刻（秒）
ch1 = samp[chan == 1] / 5000.0
print(ch0[:5], ch1[:5])
print('两路条数', len(ch0), len(ch1))

如果两路条数不等，说明有搏动只在其中一路被标出——这是判断注释完整性的第一个线索，比直接相信注释更可靠。

5.4 降采样与滤波：先把物理量摆正

5 kHz 对心电是过剩的（诊断级通常 500 Hz 足够），对心震图则刚好——它的有效成分集中在几十赫兹，5 kHz 能保留足够的形态细节。做算法时通常先降到 1 kHz，把计算量降下来，再按通道分别滤波。

import numpy as np
from scipy import signal

def load_1k(name):
    rec = wfdb.rdrecord(name, pn_dir='cebsdb')
    x = rec.p_signal
    #-- 抗混叠后降到 1 kHz
    x1k = signal.resample_poly(x, up=1, down=5, axis=0)
    return x1k, rec.fs // 5, rec.sig_name

x, fs, names = load_1k('b001')
print(x.shape, fs)                   #-- (272010, 4) 1000

i_ecg = names.index('I')
s_scg = names.index('SCG')

#-- 心电：0.5–40 Hz 带通；心震图：5–30 Hz 带通
b1, a1 = signal.butter(4, [0.5, 40], btype='band', fs=fs)
b2, a2 = signal.butter(4, [5, 30], btype='band', fs=fs)
ecg = signal.filtfilt(b1, a1, x[:, i_ecg])
scg = signal.filtfilt(b2, a2, x[:, s_scg])
print(ecg.std(), scg.std())

滤波频段不是随手定的。心震图的能量主要集中在 5–30 Hz，这一点在两篇配套论文里都用到了：一篇用连续小波变换在 5–30 Hz 之间选尺度，另一篇用窄带带通做检测。心电则相反，压掉 40 Hz 以上能去掉肌电，压掉 0.5 Hz 以下能去掉呼吸漂移。

通道	常用分析带宽	理由	不建议的做法
心电 I / II	0.5–40 Hz	保 QRS 主能量、去肌电与漂移	保留 150 Hz 全带宽直接做检波
呼吸	0.05–0.5 Hz	呼吸主频在 0.2–0.4 Hz	用 5 Hz 以上带宽，会混入心跳
心震图	5–30 Hz	心搏机械成分集中区	用 0.5 Hz 高通后直接取峰值

5.5 按阶段与受试者组织数据

把 60 条记录组织成可训练的结构，关键是把"受试者"当成分组键，而不是把记录当成独立样本。

import re
import wfdb
import pandas as pd

rows = []
for name in wfdb.get_record_list('cebsdb'):
    m = re.match(r'^([bmp])(\d{3})$', name)
    if not m:
        continue
    phase, sid = m.group(1), int(m.group(2))
    h = wfdb.rdheader(name, pn_dir='cebsdb')
    rows.append({
        'record': name, 'subject': sid, 'phase': phase,
        'fs': h.fs, 'sig_len': h.sig_len,
        'seconds': h.sig_len / h.fs,
    })

df = pd.DataFrame(rows).sort_values(['subject', 'phase'])
print(df.groupby('phase')['seconds'].agg(['count', 'min', 'max']))
print(df.groupby('subject').size().value_counts())

跑完这段会得到两张核对表：每个阶段的条数与时长范围，以及每个受试者的记录数分布。后者应该全是 3——如果某人是 2，说明有记录缺失或命名不合规，值得先查清楚再往下做。

5.6 从信号到心搏：一条最小的管线

把前面几步串起来，就是一条可以直接跑的最小管线：读信号、降采样、滤波、用 I 导联检波、以检波结果为参考评估心震图。

import numpy as np
import wfdb
from scipy import signal

def beats_from_ecg(x, fs):
    #-- 简化版 Pan-Tompkins：平方、滑动积分、自适应阈值
    d = np.diff(x)
    sq = d ** 2
    win = int(0.15 * fs)
    integ = np.convolve(sq, np.ones(win) / win, mode='same')
    thr = 0.35 * np.percentile(integ, 99)
    above = integ > thr
    edges = np.flatnonzero(np.diff(above.astype(int)) == 1)
    keep = []
    for e in edges:
        lo, hi = max(0, e - int(0.05 * fs)), min(len(x), e + int(0.05 * fs))
        keep.append(lo + int(np.argmax(np.abs(x[lo:hi]))))
    return np.array(keep)

rec = wfdb.rdrecord('b001', pn_dir='cebsdb')
x = rec.p_signal[:, rec.sig_name.index('I')]
fs = rec.fs
pk = beats_from_ecg(x, fs)
rr = np.diff(pk) / fs * 1000.0
print('检出', len(pk), '个心搏，RR 中位数', round(float(np.median(rr)), 1), 'ms')

这条管线的输出不是结论，而是基准。把它换成从 SCG 通道检波，再与这条基准逐搏对齐，就得到论文里那类"误差标准差 + 超阈比例"的指标。注意参考时刻的定义会直接影响指标——用 R 峰还是用模板相关后的修正点，差别在毫秒量级，而这个量级正是要测的东西，所以参考定义必须在方法节写明。

5.7 上手前的三条自查

正式跑算法之前，建议先花十分钟把三件事查一遍。它们都不需要写复杂代码，但能挡掉后面大部分的"结果不对劲"。

检查	怎么做	不合格的样子	处理
刻度一致	读四条头文件的增益，比同一通道的量级	两条记录的心震图增益差数十倍	换算物理量后再比，或按记录做 z 分数
时长一致	读 sig_len / fs，看是否等于标称时长	某条 b 记录只有 272 秒	切窗按实际长度，不按常量
段内平直	算每个通道的峰峰值与过零率	某段峰峰值接近零或长期饱和	按 §4.4 的案例定位坏段并剔除

第二条最容易被忽略，因为"五分钟"这个标称值写在文档里，写代码时很容易直接乘 5。实际的采样点数存在逐条差异，只有逐条读 sig_len 才不会在末尾切出越界索引。

第三条的意义在于把"信号质量"从主观判断变成可量化的检查。峰峰值过小说明传感器可能脱开，过大且长期贴边说明饱和，过零率异常升高则常见于电极接触不良。这三种情况在本库里都有对应的官方提示：4 号受试者的异位搏动与 m018 的坏段。

指标	正常区间的定性判断	异常时的常见原因
峰峰值	与同类记录的同一通道同量级	脱开、增益设置不同
过零率	心电低于心震图，呼吸最低	电极接触不良、肌电干扰
相邻峰间隔	集中在某个均值附近	漏检、误检、异位搏动

§6 与库内相邻数据集的关系

6.1 关系图谱

在站内已有的生理信号记录里，CEBSDB 的位置可以用"模态"与"场景"两个轴摆出来。

站内记录	模态	场景	与 CEBSDB 的关系
INCART 心律失常库	十二导联心电	Holter 长时程	互补：它管电的宽度，本库管电与机械的对照
adfecgdb 胎儿心电库	腹壁心电 + 头皮直接心电	产程监护	同为"一路信号当另一路的参考"的结构
BIDMC PPG 呼吸基准	PPG + 呼吸 + 心电	ICU 患者	同为多模态同步，但人群与场景相反
PICS 早产儿心肺库	心电 + 呼吸	新生儿监护	同类通道组合，人群极端不同
ACTES 递增负荷骑行	逐搏记录	运动试验	对照：运动 vs 静息，正好是本库缺的那一半
AAMI EC13 测试波形	合成与真实心电	设备合规测试	用途不同：那是标准件，这是研究数据

6.2 检索路径

你要找的东西	检索词	会落到哪里
心震图相关的其他公开数据	seismocardiogram、SCG、accelerometer chest	本库是少数几个之一
呼吸与心率的耦合	respiratory sinus arrhythmia、RSA	§4.2 与 §5.6
心电与机械模态对齐	modality alignment、synchronization	§4.1
可穿戴心率基准	wearable、PPG、heart rate benchmark	§2.5 的对比表
心搏检测评测协议	QRS detection benchmark、Seismocardiogram detector	§5.6 与附录 D

6.3 与其他库的分工判据

任务	主粮仓该用什么	本库的位置	原因
心电心搏分类的训练	大体量多导联心电库	不用	只有 20 人、两个导联、无病理
心震图检测器开发	本库几乎无可替代	主力	同步心电做参考是硬条件
呼吸率估算模型	带呼吸标注的大库	辅助	有呼吸波形但无呼吸率标注
运动场景鲁棒性	含活动的可穿戴数据	不用	全程仰卧
新生儿或 ICU 监护	PICS、BIDMC 一类	不用	人群完全错配
信号处理教学	任一小体量多模态库	主力之一	四通道各代表一种物理量

这张表最实用的是第二行与第四行。第二行说明它不可替代的地方在哪里；第四行提醒，任何以"可穿戴"为名的性能声明，用它做验证都不成立。

§7 质量评估与局限性

7.0 阅读本节前的一个前置校正

先纠正一个容易出现的误判：把 60 条记录、20 个人的规模直接判定为"质量差"。规模与质量是两件事。这份数据的采集质量相当高——单机四通道同步、5 kHz 采样、带宽覆盖各模态主能量区、受试者全程不动、异常点被官方逐条列出。它的规模小是设计选择，不是能力不足：做模态对照只需要几十个人，做预训练才需要几万人。

这个校正会改变下面五维评分的读法。规模一项它拿不到高分，文档一项因为缺少注释说明也要扣分，但在"同步质量"与"任务唯一性"上它接近满分。把三项混在一起看，会得出"不值得用"的错误结论；分开看才知道该在什么时候用它。

7.1 五维评分

按 DAIMS 的常用维度打分，每项 1–5 分，分数针对"作为心震图与心电对照研究数据"这个用途：

维度	分数	理由
数据规模	2	20 人、60 条、约二十小时，训练不足，验证够用
采集质量	5	单机同步、5 kHz、带宽匹配各模态，异常点有清单
标注完整	3	注释文件存在且格式规范，但语义未文档化
文档说明	4	设备、带宽、人群、实验流程写得清楚，缺注释与单位说明
任务适配	5	心电与心震图同轴，公开库里几乎找不到替代
可获取性	5	免注册、ODC-By、单个 ZIP 可下完

六项合计 24 分（满分 30）。分数结构说明它不是全能型选手：规模与标注拖后腿，采集质量与适配性拉满。这个组合正好对应它的定位——一把尺子，不是一个粮仓。

7.2 标注质量的两层

第一层是有没有。答案是有，而且每条记录都有，格式统一，工具链直接可读。这一点比很多只给波形的库要好。

第二层是信不信。这里的信息缺口明显：官方没写谁标的、用什么方法标的、两路注释各代表什么、符号体系是否有扩展。文件里只有正常心搏一类符号，没有节律标记、没有噪声标记、没有质量标记。这意味着注释能回答"心跳大概在哪儿"，不能回答"这一搏是不是异常"。

用途	注释够不够	建议
心震图检测器的粗对齐	够	可直接当初始参考
RR 间期的精确评估	勉强	建议用自检波结果做交叉验证
心律失常分析	不够	库内几乎没有病理样本
信号质量评估	不够	无质量标记，需自建规则
教学演示	够	配合心电通道讲形态最直观

7.3 已知的、可枚举的偏差

偏差	表现	影响
人群偏窄	19–30 岁、同一族群、自述健康	形态多样性不足，跨人群泛化无从评估
体位单一	全程仰卧不动	与真实可穿戴场景错配
单中心单设备	一台 MP36、一套电极、一名操作者	设备与操作差异无法被建模
单位标注习惯	四通道统一标 mV，含心震图	加速度换算需自建，跨记录幅度比较有风险
注释语义缺失	两路注释未文档化	参考时刻的定义权在使用者手里
已知坏段	m018 的 II 导联 34–38 分钟	按段剔除，参考 §4.4 的案例
已知异位搏动	4 号受试者，集中于 m004	做"纯正常"基线时需排除
阶段时长不齐	b001 只有 272 秒，两条 m 记录短于 3000 秒	切窗代码不能假设等长
音乐变量不可分解	未给曲目、音量、播放方式	无法做"某类音乐"的效应分析

这张表里被低估的是第四行。单位标注问题不会让程序报错，只会让幅度比较悄悄失真——两条记录的心震图通道增益可能相差数十倍（§2.2 的四条记录对照从七十余到四千余），直接比峰值等于在比放大倍数。

7.4 外部验证矩阵

这份数据在文献里的角色，可以从两篇配套论文看出轮廓：它既是方法研究的实验材料，也是后续同类研究的对照来源。

验证角色	做法	讲得通的地方	风险
检测器横向比较	同一批记录上跑多种检测器，比误差与漏检率	参考唯一、场景统一，比较公平	只有 20 人，排名对个体敏感
与心电 RR 的一致性	以心电为金标准，量心震图 RR 的偏差	同步质量高，误差可归因于算法	参考本身也有毫秒级不确定度
呼吸调制分析	按呼吸相位分层统计误差	呼吸通道独立同源	呼吸相位提取方法会影响结论
跨库外测	在别处训练，在本库测试	人群与设备都不同，是真实跨域	只能说明"换个场景会掉分"，不能定量泛化

两篇配套论文给出的参考数字值得记住，但要看清口径：在 17 名受试者的子集上，四种心震图检测器与心电 RR 序列相比，误差标准差平均略高于 2 毫秒，误差超过 30 毫秒的间期占比约在 3.5% 上下。这个量级说明"静息、安静环境下用心震图算 RR 是可行的"，但它成立的前提是环境安静、受试者不动、检测器参数经过自适应调整——三个前提在真实场景里都不稳定。

7.5 它为何能持续：因为那道对照题一直有人要做

它没有更新、没有扩版，却被反复引用，原因不是数据本身多好，而是它占着一个别人不愿重复搭的台子：单机四通道同步、心电与心震图同轴、免注册可下载。重新搭一次这样的实验，需要一台多通道生理记录仪、一套胸骨加速度计、二十个愿意躺一小时的人，以及一次伦理审批。对大多数做算法的组来说，用现成数据比自建便宜两个数量级。只要心震图还有人研究，这道对照题就一直有人要做，这个台子就一直有人用。

§8 生态位与历史

8.1 历史沿革

CEBSDB 诞生在 PhysioNet 数据捐赠的成熟期。2010 年代前后，平台已经形成了"统一格式、统一注释体系、机构自愿捐赠"的模式，UPC 这类仪器实验室正好是理想的捐赠方——他们本来就在做心震图方法学研究，实验数据在论文发表后顺手整理成 WFDB 格式交上去，成本很低。

阶段	时间	状态
实验与论文	2012–2013	17 人子集用于检测器比较研究
第二篇论文	2014	导联间 QRS 位置差异与呼吸的关系
公开捐赠	2014 年 12 月	20 人全量上线，1.0.0 版
长期托管	2015 至今	无版本更新，仅补校验和

8.2 从论文子集到公开全量

一个容易被忽略的细节：论文用的是 17 人，公开库是 20 人。多出来的三个人既没有在论文里出现，也没有单独的说明。这带来两个实际后果：一是论文里报告的误差指标不能直接当作全库的基线，因为测试人群不同；二是复现论文结果时，需要先确定那 17 个人是谁——而库里没有给出子集清单，只能按论文的年龄与性别分布去猜，猜不准。

项目	论文子集	公开全量
人数	17	20
年龄	24.7±3.9 岁	19–30 岁
性别	6 女、11 男	8 女、12 男
记录	未说明用了哪些	60 条
结果指标	误差标准差、超阈比例	无官方基线

8.3 生态位：模态对照的参考台

角色	主力粮仓	参考台
典型用法	大规模训练、预训练	算法验证、消融、方法学对照
需要的前提	样本多、标签细	同步严格、场景受控、可复现
代表库	大型心电库、可穿戴队列	本库、其他小体量多模态库
失败模式	过拟合、标签噪声	样本太少导致结论不稳

它坐在右边这一列。把参考台当粮仓用，会立刻遇到规模瓶颈；把粮仓当参考台用，会立刻遇到"自己测自己"的问题。

8.4 谁在用它，用来做什么

从公开文献看，使用者集中在三类：做心震图检测算法的信号处理组，把它当标准测试场；做多模态融合的研究组，把它当"两模态严格同步"的少数选项；做生理机制研究的人，用它看呼吸如何调制心搏时刻。第三类最少，但最贴近这份数据的设计初衷。

§9 使用指引

9.1 三种角色的路径

角色	第一天	第一周	注意事项
算法研究者	读官方页面与 README，跑通 §5.2 的读取	建立心电参考基线，再替换成心震图检测	参考时刻的定义要先定死
可穿戴工程师	抽 b 系列五条跑检波	评估静息条件下的上限，再决定是否值得迁移	别把静息成绩当产品指标
教学人员	取一条 b 记录画四通道波形	讲清电、机械、呼吸三种物理量的差别	心震图单位要口头说明一次
生理机制研究者	用呼吸带做相位标记	统计 RR 差异随相位的分布	剔除异位搏动与坏段

9.2 一条最短的可用流程

#-- 1. 只取基线五条，先跑通
for r in b001 b002 b003 b004 b005; do
  for ext in hea dat atr; do
    curl -sL "https://physionet.org/files/cebsdb/1.0.0/${r}.${ext}" -o "${r}.${ext}"
  done
done

#-- 2. 确认头文件里的采样率与通道名
head -n 5 b001.hea

import wfdb
import numpy as np

#-- 3. 读本地文件，确认通道与采样率
rec = wfdb.rdrecord('b001')
print(rec.sig_name, rec.fs, rec.p_signal.shape)

#-- 4. 按秒切窗，取第 60 到 120 秒，看心震图这段是否平直
lo, hi = 60 * rec.fs, 120 * rec.fs
seg = rec.p_signal[lo:hi, :]
print(seg.shape, round(float(np.ptp(seg[:, 3])), 4))

第三段读的是上一步已经下到当前目录的文件，不需要再联网。最后一行输出的是心震图通道在六十秒窗内的峰峰值，用来确认这一段既没有脱落也没有饱和——这个检查比看波形图快，适合在批量处理前先跑一遍。

9.3 引用方式

引用对象	内容
数据集	Combined measurement of ECG, Breathing and Seismocardiograms DataBase, v1.0.0. PhysioNet. 2014.
DOI	10.13026/C2KW23
原始论文	García-González 等，心震图心搏检测器比较，Computing in Cardiology 2013
第二篇论文	García-González 等，导联间 QRS 位置差异与呼吸，IFMBE Proceedings 41，2014
平台	PhysioNet 平台综述论文，按官方页面 Cite 按钮生成

写方法节时建议注明：用了哪几条记录、按什么单位划分、参考时刻如何定义、是否剔除 m018 的坏段与 m004 的异位搏动。这四项决定了结果能不能被别人复现。

§10 AI 使用声明

项目	声明
文本生成	本文由 AI 辅助撰写，结构与事实经人工核对
数字来源	规模、结构、边界三类数字来自 PhysioNet 官方页面与官方文件
文件核验	页面正文、README、info.txt、60 份头文件、b001 注释文件经直接访问确认
论文信息	阅读了 Computing in Cardiology 2013 全文；第二篇仅见题录
未核验内容	注释两路的具体语义、心震图通道对应哪一轴、加速度换算系数
计算口径	总时长由逐条头文件的采样点数除以采样率累加得出
图像	无配图；封面为生成式提示词，不含真实波形
免责	本文不构成临床建议；数据使用须遵守 ODC-By 1.0 署名要求

常见误读（避坑清单）

说法	实际	证据
「它有六十个人」	20 个人，60 条记录，每人三条	记录名首字母分三组，后三位只有 001–020
「心震图通道单位是毫伏」	标注是毫伏，物理量是加速度	头文件四通道均写 /mV，与传感器物理量不符
「各记录增益差不多，可直接比幅度」	心震图增益跨度接近七十倍	b001 与 m001 的 .hea 第三字段对照
「注释是人工逐搏确认的 R 峰」	两路注释，语义未文档化	官方页面与 README 均未说明注释来源
「它是五十分钟连续记录」	每人三段，最短五分钟，最长五十分钟	头文件采样点数除以 5000
「按记录随机切分就行」	同一人的三条必须整体划分	记录名后三位即受试者编号
「它是可穿戴验证集」	全程仰卧不动、清醒	官方实验流程描述
「它有十二导联」	只有 I、II 两个肢体导联	头文件通道名
「它采样率是 250 Hz 一类」	5 kHz，四通道相同	头文件第 1 行第 3 字段
「m018 整条不能用」	只有 II 导联第三十四到三十八分钟差	官方异常说明
「它是 60 个独立样本」	有效样本量是 20 个受试者	每人三条高度相关

FAQ

Q1：CEBSDB 有多少条记录，为什么是三条一组？
共 60 条，20 名志愿者每人三条。b 开头是入室后的五分钟基线，m 开头是听古典音乐期间约五十分钟，p 开头是音乐结束后五分钟。同一编号的三条来自同一个人、同一次实验，只有阶段不同。

Q2：心震图通道能直接当加速度用吗？
不能。头文件把四个通道的单位统一写成毫伏，心震图通道也不例外，而它的物理量应是加速度。官方没给换算系数，也没说这一路对应三轴中的哪一轴或是合成幅值。跨记录比较幅度前必须先自己标定。

Q3：它的注释能直接训练心搏检测器吗？
可以当初始参考，但不能当金标准。注释文件里每个心动周期有两条注释，分属两个通道，符号只有正常心搏一类。官方没写这两路各代表什么，建议先用 I 导联自检波对齐一次再决定。

Q4：为什么它常被用来评估从心震图算 RR 的方法？
因为它把心电与心震图放在同一根时间轴上，采样率同为 5 kHz，同步误差只由采集系统决定。心电 R 峰当参考时刻，心震图的机械振动当被测对象，两者的差就是方法误差，不需要额外配准。

Q5：训练集和测试集该怎么划分？
按受试者编号划分。同一个人的三条记录共享同一副胸骨、同一套电极位置、同一段呼吸习惯，随机按记录切分会把受试者特有的形态泄漏到测试集。只有 20 个人，建议留一法或五折分组交叉验证。

Q6：它能不能用来做心律失常分类？
不建议。全部受试者自述健康，官方只提到 4 号受试者有少量异位搏动，尤其集中在 m004。库内几乎没有病理样本，训练分类器学不到异常形态。

Q7：为什么采样率要 5 kHz 这么高？
心震图的有效成分在几十赫兹，5 kHz 能保留足够的形态细节，也便于做毫秒级的时刻对齐。代价是体积大：一秒四万字节，五十分钟一条就有一百余兆。做算法时通常先降到 1 kHz。

Q8：m018 那条记录的 II 导联有问题，还能用吗？
能，但第三十四到三十八分钟这一段要处理。官方说明是电极接触不良导致的信号质量差，I 导联未受影响，所以这段可以改用 I 导联做参考，或按时间窗剔除。

Q9：它和 INCART 之类的心电库是什么关系？
互补而不是替代。INCART 提供十二导联长时程心电，用来研究电活动本身；CEBSDB 提供两路心电加一路胸骨加速度，用来研究电与机械的对应。两者的任务对象不同。

Q10：体量多大，能一次下完吗？
未压缩 2.7 GB，ZIP 包 1.6 GB，可以一次下完。只是 m 系列占了九成体积，如果只做流程验证，先下 b 系列五条就够，总共几十兆。

Q11：它的许可允许商业使用吗？
ODC-By 1.0 允许，包括商业用途，条件是署名。引用时写清数据集名称、版本、DOI 与来源，具体条款以许可全文为准。

Q12：为什么十年没有更新？
官方没有给出扩版说明。从数据性质看，这类实验每增加一个人都要重走一次贴传感器、躺一小时的流程，增量成本高而边际价值低，1.0.0 覆盖了它想回答的问题，没有非更新不可的理由。

术语表

术语	解释
心震图（SCG）	记录胸壁因心脏搏动产生的微小加速度信号
心电（ECG）	记录心肌电活动在体表形成的电位差
心冲击图（BCG）	记录身体整体因射血产生的位移，频段低于心震图
RR 间期	相邻两次 R 峰之间的时间，反映瞬时心率
心率变异性	RR 间期的波动，反映自主神经调节
呼吸性窦性心律不齐	心率随呼吸周期波动的正常现象
AO 点	主动脉瓣开放对应的机械事件，心震图主要成分之一
MC 点	收缩期主峰，心震图里幅度最大的成分
检波	从信号里找出心搏时刻的算法过程
参考时刻	评测时用作"正确答案"的心搏时刻
漏检与误检	漏掉真实心搏 / 把非心搏判成心搏
呼吸相位	呼吸周期中的相对位置，吸气与呼气对应不同相位
胸带压阻	用电阻变化测胸廓周长的传感器原理
MEMS 加速度计	微机电加速度传感器，心震图的常用器件
WFDB	PhysioNet 使用的波形数据库格式
.hea	纯文本头文件，声明采样率、通道、增益
.dat	二进制信号文件，多通道按帧交错
.atr	二进制注释文件，存放事件时刻与符号
增益	每毫伏对应的整数值，换算物理量时使用
ADC 零值	零电平对应的整数，换算时先减
抗混叠	降采样前先低通，避免高频折叠进低频
带通滤波	只保留某频段，压掉更高与更低的成分
分组交叉验证	以受试者为组划分训练与测试
数据泄漏	测试信息以某种方式进入训练，导致成绩虚高
ODC-By	开放数据共享署名许可

附录 A：核心数字核对表

项	值	来源	来源层级
记录数	60	官方页面；RECORDS 清单	官方页面
受试者数	20	官方页面；info.txt	官方页面
每人记录数	3	记录名规则与官方流程描述	官方页面
通道数	4	全部 60 份头文件	官方文件
采样率	5 kHz	官方页面；头文件	官方页面
位深	16 位	头文件信号行	官方文件
心电带宽	0.05–150 Hz	官方页面；README	官方页面
呼吸带宽	0.05–10 Hz	官方页面；README	官方页面
心震图带宽	0.5–100 Hz	官方页面；README	官方页面
基线段时长	272–300 秒	逐条头文件	官方文件
音乐段时长	2841.5–3000 秒	逐条头文件	官方文件
音乐后段时长	300 秒	逐条头文件	官方文件
总时长	约 19.9 小时	由头文件采样点累加得出	推算
未压缩体积	2.7 GB	官方页面	官方页面
心震图增益跨度	74–4948（四条记录对照）	b001、m001、p001、m018 头文件	官方文件
ZIP 体积	1.6 GB	官方页面	官方页面
年龄范围	19–30 岁	info.txt	官方文件
性别构成	12 男 8 女	info.txt	官方文件
许可	ODC-By 1.0	官方页面	官方页面
DOI	10.13026/C2KW23	官方页面	官方页面
发布日期	2014-12-12	官方页面	官方页面

附录 B：数字的来源分层

第一层：官方页面与官方文件。 记录数、受试者数、通道、采样率、三段流程、各路带宽、设备型号、传感器型号、电极型号、许可、DOI、发布日期、体积、两条已知异常。这些来自项目主页、README 与 info.txt。

第二层：头文件与注释文件的逐条核对。 各段实际时长、采样点数、每通道增益、注释的通道数与符号种类。这些不是官方文字描述，而是文件本身的字段，可直接复现。

第三层：论文与推算。 17 人子集的年龄、性别、BMI 与误差指标来自 Computing in Cardiology 2013 全文；总时长由逐条采样点累加得出；注释两路的语义属推断，未获官方确认。

附录 C：完整参考文献

编号	文献	链接	用途
1	CEBSDB 项目页 v1.0.0	https://physionet.org/content/cebsdb/1.0.0/	全部规模、结构、边界数据
2	项目文件目录	https://physionet.org/files/cebsdb/1.0.0/	头文件、清单、info.txt
3	García-González 等，心震图心搏检测器比较，CinC 2013	http://www.cinc.org/archives/2013/pdf/0461.pdf	实验流程、子集人群、误差指标
4	García-González 等，导联间 QRS 位置差异与呼吸，IFMBE 2014	https://doi.org/10.1007/978-3-319-00846-2_238	第二个研究目的
5	PhysioNet 平台综述	https://doi.org/10.1038/s44360-026-00096-z	托管与引用规范
6	WFDB 格式说明	https://physionet.org/physiobank/wfdb/	三件套格式与读取方式

附录 D：任务代码

任务一：把两路注释拆开并检查一致性

import wfdb
import numpy as np

def split_ann(name):
    ann = wfdb.rdann(name, 'atr', pn_dir='cebsdb')
    samp = np.asarray(ann.sample)
    chan = np.asarray(ann.chan)
    return {c: samp[chan == c] for c in np.unique(chan)}

for name in ['b001', 'b002', 'm004', 'm018']:
    d = split_ann(name)
    info = {c: len(v) for c, v in d.items()}
    gap = []
    if 0 in d and 1 in d:
        a, b = d[0], d[1]
        n = min(len(a), len(b))
        gap = (b[:n] - a[:n]) / 5000.0 * 1000.0
    print(name, info, '成对中位间隔 ms =',
          round(float(np.median(gap)), 2) if len(gap) else None)

任务二：心电参考与心震图检波的误差对比框架

import numpy as np
import wfdb
from scipy import signal

def ref_beats(ecg, fs):
    d = np.diff(ecg)
    integ = np.convolve(d ** 2, np.ones(int(0.15 * fs)) / int(0.15 * fs), 'same')
    thr = 0.35 * np.percentile(integ, 99)
    edges = np.flatnonzero(np.diff((integ > thr).astype(int)) == 1)
    out = []
    for e in edges:
        lo, hi = max(0, e - int(0.05 * fs)), min(len(ecg), e + int(0.05 * fs))
        out.append(lo + int(np.argmax(np.abs(ecg[lo:hi]))))
    return np.array(out)

def test_beats(scg, fs):
    b, a = signal.butter(4, [5, 30], btype='band', fs=fs)
    s = signal.filtfilt(b, a, scg)
    env = np.abs(signal.hilbert(s))
    thr = 0.5 * np.percentile(env, 99)
    edges = np.flatnonzero(np.diff((env > thr).astype(int)) == 1)
    out = []
    for e in edges:
        lo, hi = max(0, e - int(0.05 * fs)), min(len(s), e + int(0.05 * fs))
        out.append(lo + int(np.argmax(env[lo:hi])))
    return np.array(out)

rec = wfdb.rdrecord('b002', pn_dir='cebsdb')
fs = rec.fs
ref = ref_beats(rec.p_signal[:, 0], fs)
tst = test_beats(rec.p_signal[:, 3], fs)
print('参考', len(ref), '检出', len(tst))

#-- 逐搏配对，只保留 30 ms 内的偏差
pairs = [(r, t) for r in ref for t in tst if abs(r - t) < 0.03 * fs]
err = np.array([(t - r) / fs * 1000.0 for r, t in pairs])
print('配对数', len(err), '误差中位数 ms', round(float(np.median(np.abs(err))), 2))

这两段代码的作用是搭一个可比较的框架，不是给出结论。参考与检波的规则一旦确定，换任何检测器都能放进同一个框架里跑，这样不同方法之间的差异才可归因。

附录 E：如果只记五件事

序号	记住什么	为什么
1	20 人、每人三段、共 60 条，四通道 5 kHz	这几个数字决定了它全部用法与限制
2	心电是尺子，心震图是被测对象	它的全部价值建立在同步上
3	心震图单位标 mV，物理量是加速度	跨记录比较幅度前必须自建标定
4	按受试者划分，不按记录划分	同一人三条记录的泄漏会让结果虚高
5	全程仰卧不动、健康年轻人	任何可穿戴性能声明都不能用它背书

编辑说明

本文的核验时间为 2026 年 10 月 28 日。核对方式为直接访问 PhysioNet 项目页与文件目录，读取页面正文、README.txt、info.txt，并逐条取回 60 份头文件核对采样点数与通道声明；注释文件只取 b001 一份做结构核对。论文侧阅读了 Computing in Cardiology 2013 全文，第二篇仅见题录。未覆盖的内容包括：注释两路的具体语义、心震图通道对应三轴中的哪一轴或是否为合成幅值、加速度换算系数、受试者层面的原始临床记录。这些官方均未公布，正文涉及处只做定性表述并标注为推断。

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• cardiac-accel-canine-porcine — 共享标签：生理信号 / 心电信号 / 可穿戴传感 / 心血管疾病
• tollet — 共享标签：生理信号 / 心电信号 / 可穿戴传感 / 心血管疾病
• icentia11k — 共享标签：生理信号 / 心电信号 / 可穿戴传感 / 心血管疾病
• cinc-2011 — 共享标签：生理信号 / 心电信号 / 可穿戴传感 / 心血管疾病
• butppg — 共享标签：生理信号 / 心电信号 / 可穿戴传感 / 心血管疾病
• cardiowave-portable — 共享标签：生理信号 / 心电信号 / 可穿戴传感 / 心血管疾病
• auricle-wearable-cv — 共享标签：生理信号 / 心电信号 / 可穿戴传感 / 心血管疾病
• butqdb — 共享标签：生理信号 / 心电信号 / 可穿戴传感
• drivedb — 共享标签：生理信号 / 心电信号 / 可穿戴传感
• physionet-cinc-2017 — 共享标签：生理信号 / 心电信号 / 可穿戴传感 / 心血管疾病

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。