EPHNOGRAM：24 人长跑中同步心电与心音

如果问一个做心音的人：你最缺什么？答案多半不是「更多数据」，而是「同时录到的心电」。心音告诉你心脏的机械动作，心电告诉你电信号什么时候到；两者隔着一段叫作电机械延迟的时间，这段延迟在健康人身上是几十毫秒，在病人身上会变。可是绝大多数公开数据集是分开采的——今天录心电，下周录心音，中间隔了七天，心率都变了。

伊朗设拉子的一个课题组决定自己解决这件事。他们从零设计了一台便携采集设备，把心电前置放大和听诊器接在同一块板子上，同一个时钟采样。硬件改到 2.1 版才定稿，听诊器试了四种改法，最后选了「麦克风塞在导管里」这一种。

结果是一份十一吉字节的数据：二十四名健康男性，六十九段记录，多数是三十分钟，而且是在跑步机上录的。它不是最大的心音数据，但它是极少数能在同一毫秒上问「电到了多久之后，机械才动」的数据。

§1 它是什么：一台自建设备采出来的电声同步库

1.1 一句话定义与四条边界

这是一份电声同步的多负荷心音与心电数据集：二十四名二十三至二十九岁的健康男性，在休息与四种运动负荷条件下各录三十分钟，用一台自己设计的设备同时采集一导心电与一路听诊器心音，总时长三十点五七小时。

四条边界要先划清楚：

• **不是三导联。**条目页写「three-lead ECG」，但六十九个头文件里每一条记录只有一路 ECG 通道。这一点在 §2.4 详述。
• **不是患者数据。**全部是健康志愿者，结构化访谈确认无自主神经或心血管疾病症状。没有任何诊断标签，也没有异常心电的标注（除了表格里一处备注写「Abnormal ECG」）。
• **不是静息数据。**六成半的记录是运动中的。跑步机上录心音，运动伪迹、呼吸、衣物摩擦全在里面，这与诊室里录的二十秒干净心音是两个物种。
• **不是双精度。**WFDB 那份是 16 位整数，MAT 那份是双精度。两者的差别在 §4.4。

1.2 五种负荷条件

条件	记录数（长）	说明
休息（坐椅 / 卧床）	11	基线，静息心率
固定自行车骑行	13	恒定功率踏车
匀速步行 3.7 公里每小时	13	平地走，速度固定
Bruce 方案跑台	11	分级递增跑台，最接近临床负荷试验
自行车负荷试验	10	递增功率，两名志愿者因体力不支未完成
混合方案	3	慢走、快走、起坐、休息串起来

短记录（30 秒）另有八条，全是休息状态，用于快速预览。长记录六十一条，短记录八条，合计六十九。

**Bruce 方案那十一条最有价值。**它是临床上标准的跑台负荷试验，分七级，每级三分钟，速度与坡度同时递增。有了它，这批数据才能与真实的负荷试验研究对上话。其余几种条件是自由设计，别处没有对照。

1.3 同步到什么程度

同一块板子、同一个时钟、同一个 8 千赫兹的采样脉冲。这是硬件级同步，不是事后按时间戳对齐。

同步精度由什么决定？由采样时钟的抖动决定。设备用一个低功耗微控制器驱动两路 ADC，两路的转换在同一采样周期内串行完成，相隔微秒级。这个精度远高于任何基于时间戳的软件对齐。

这件事的意义在 §5.3 展开：它让「R 波到 S1 的间隔」这种以毫秒计的量第一次可以被批量计算。

1.4 设备是怎么做出来的

条目页把设计过程写得很细，值得摘出来：

**前端滤波。**一阶无源高通，负三分贝点在 0.1 赫兹，串一个五阶有源巴特沃斯低通。两个通道用同一套拓扑，只是截止频率不同：心电通道上限 150 赫兹、通带增益 30 分贝；心音通道上限 1 千赫兹、通带增益 5 分贝。

**抗混叠。**在 4 千赫兹的奈奎斯特频率处，心电通道衰减 90 分贝、心音通道衰减 25 分贝。

**采样。**8 千赫兹、12 位，有效位数 10.5 位。这个数字是设计者自己标的，说明他们量过噪声底。10.5 位有效意味着信噪比约 65 分贝，比标称的 12 位（约 74 分贝）差 9 分贝。

**听诊器的四种改法。**这是全篇最实在的部分：

1. 麦克风塞进标准胸件的膜片正下方；
2. 两个麦克风背靠背塞进胸件，一个朝膜片，一个朝钟形口；
3. 麦克风放在导管末端（耳管接头处）；
4. 麦克风放在导管内、距接头几厘米处，另在设备壳内放辅助麦克风拾环境噪声。

第四种被选中。理由条目页没说透，但从数据能看出原因：第三种（导管末端）离耳朵太近，采集到的主要是耳管里的驻波；第一种（膜片下方）在运动时容易被胸件自身的振动污染。第四种把麦克风放在导管中段，既避开胸件的机械振动，又保留足够的声耦合。

1.5 环境噪声通道想干什么

设备有两路辅助通道 AUX1 与 AUX2，麦克风放在设备壳内，拾的是环境声音。

设计意图很明确：用环境噪声做主动噪声抵消（ANC）。心音采集的老问题是环境噪声（诊室空调、健身房音乐、跑步机马达）与心音在频带上重叠，单纯滤波去不掉。如果有两路参考噪声，可以用自适应滤波（比如最小均方算法）把噪声从主通道里减掉。

**这个想法在数据里实现了没有？**看 §2.7：AUX2 有五十八条记录全部标注为「量化噪声电平」——也就是说，这两路参考通道自己就没有信号。想法很好，落地没成。

1.6 版本与许可

版本 1.0.0，二〇二一年六月十一日。许可 ODC-By 1.0，署名即可商用。DOI 10.13026/tjtq-5911。未压缩体积约十一点三吉字节。

§2 数据构成：69 条记录的真实结构

2.1 目录与文件组织

WFDB/ECGPCG00XY.hea      × 69
WFDB/ECGPCG00XY.dat      × 69   （合计 8.0 GB）
MAT/ECGPCG00XY.mat       × 69   （合计 3.3 GB）
ECGPCGSpreadsheet.csv
Code/TestHeartRateCalculation.m
RECORDS
LICENSE.txt
SHA256SUMS.txt

对象清单一次取全，共二百一十二个对象，没有翻页。这个体量在 PhysioNet 上算小的。

RECORDS 六十九行、电子表格六十九行、头文件六十九个，三方完全对齐，零差异。SHA256SUMS.txt 覆盖二百一十一个对象——比对象总数少一个，少的应该是它自己。

**MAT 与 WFDB 是同一批数据的两种编码。**MAT 那份三点三吉字节，WFDB 那份八点零吉字节。体积差是因为 MAT 用双精度浮点（每样本八字节），WFDB 用 16 位整数（每样本二字节）。同一条记录，MAT 是 WFDB 的四倍大。

2.2 头文件长什么样

以 ECGPCG0001 为例：

ECGPCG0001 2 8000 14400000
ECGPCG0001.dat 16 46944.2574(-4733)/mV 0 0 -6017 15598 0 ECG
ECGPCG0001.dat 16 35704.6108(-2920)/mV 0 0 32767 27923 0 PCG

第一行：记录名、通道数、采样率、采样点数。1440 万点除以 8 千赫兹，等于 1800 秒，正好三十分钟。

每行信号头十个字段：文件名、格式、增益（含基线与单位）、ADC 分辨率、ADC 零点、初值、校验和、块大小、通道名。

**最后那个通道名不是 WFDB 标准字段。**标准 WFDB 头的第九个字段是描述文本，这里被写成了通道名。好在这份数据的通道名非常规整，只有五种：ECG、PCG、PCG2、AUX1、AUX2。

**格式是 16，不是 16+44。**这是裸二进制，没有 WAV 头。一条记录里所有通道的数据都在同一个 .dat 里，按记录（frame）交错存放：第 0 帧是通道 0 的第 0 点、通道 1 的第 0 点，第 1 帧是通道 0 的第 1 点……以此类推。用 Range 请求抓开头一百二十八字节解出来，能清楚看到这个交错模式。

2.3 69 条记录的形状

项	值
通道数	5 路共 58 条，2 路共 11 条
采样率	8,000 赫兹，全部一致
单条时长	30 分钟 61 条，30 秒 8 条
总时长	30.57 小时（110,040 秒）
格式	全部 16 位整数
通道名组合	ECG+PCG（11 条）、ECG+PCG+PCG2+AUX1+AUX2（58 条）
总字节	约 11.3 GB（WFDB 8.0 GB + MAT 3.3 GB）

五路的那五十八条，是后期硬件版本；两路的十一条，是早期或者没接辅助通道的。

2.4 一处必须更正：心电只有一路

条目页的方法段写「three-lead ECG」，数据描述段写「a three-lead ECG」，两处都说了三导联。

**但六十九个头文件里，每一条记录都只有一路名为 ECG 的通道。**核了三遍，不是解析问题：

• 头部第一行声明的通道数，五十八个是 5、十一个是 2；
• 信号行数与之严格相等；
• 通道名去重后只有五种，ECG 每条记录恰好出现一次。

所以硬件确实可能支持三导联（方法段说「电路包含三导联心电」），但发布的数据里只保留了其中一导。

这不是小事。三导联的价值在于空间信息——不同导联看同一颗心脏的不同角度，下壁与侧壁的缺血会表现出不同形态。只有一导，这个价值就没了。

好在同步这件事不受影响：一导心电照样能定 R 波，照样能算电机械延迟。**只是「哪一导」没有说明。**从形态看像胸导联（R 波幅度大、T 波明显），但数据集没有标注。这给复现带来了不确定性——不同导联的正常形态阈值不同。

2.5 增益：每个记录都不一样

这是这份数据最容易被忽略、也最容易出事的一处。

WFDB 的增益字段写成 46944.2574(-4733)/mV，意思是「每毫伏 46944.2574 个计数单位，基线在 -4733」。用这个增益把整数除以它，就还原成毫伏。

**关键在于：每条记录的增益都是独立的，跨记录完全不可比。**统计下来：

通道	增益范围	中位	相当于满量程
ECG	32,775 – 167,767	34,924	0.195 – 1.000 mV
PCG	32,904 – 64,248	33,041	0.510 – 0.996 mV
PCG2	32,993 – 10,324,126	8,141,636	0.003 – 0.993 mV
AUX1	32,944 – 5,368,545	817,164	0.006 – 0.995 mV
AUX2	65,534 – 8,947,576	4,550,922	0.004 – 0.500 mV

看出问题了吗？**PCG2 的增益中位数是八百一十四万，是 ECG 的两百三十三倍。**换算成满量程，只有三点二个微伏。这不是「小声」，这是「整段信号被压在了几十个量化台阶里」。

这解释了条目页为什么说「辅助通道在多数场次处于量化噪声电平」——它们不是坏掉了，是被归一化算法放大到了撑满量程。设计者大概对每一路都做了「除以该路最大值」的归一，结果一路几乎无信号的通道，最大值本来就小，归一化之后噪声反而占满了全量程。

用 Range 抓头部字节验证过：ECGPCG0004 的第 2 到第 4 路，一阶差分均值分别是 5705、4668、4551 个计数单位，而第 0、1 路只有 46 和 42。**噪声通道的逐点跳变是真实信号的百倍。**这是量化噪声的典型形态：相邻样本在几个台阶之间来回跳。

**结论：PCG2 与 AUX1/AUX2 不能当「低幅度信号」处理，它们是纯噪声。**任何想用它们做噪声抵消的尝试，都会拿噪声去减噪声。

2.6 增益归一化带来的另一个后果

既然每路都独立归一化，那么**「心音比心电响」这类跨通道的幅度比较是无效的。**

举个例子：某条记录里 PCG 的峰值是 20000 个计数，ECG 的 R 波峰值也是 20000 个计数。看起来两者一样大。但 PCG 的增益是一万，ECG 的增益是三万三，换算成毫伏是 2.0 与 0.6。差了三倍多。

**正确做法：一律先除以增益换算到毫伏，再做任何跨通道比较。**直接读整数比较幅度，会得到完全随机的结论。

2.7 初值与基线：296 处不一致

WFDB 信号头里有两个容易混淆的字段：ADC 零点（第五个字段）与初值（第六个字段）。

• ADC 零点是硬件定义的零点，在全部三百一十二个通道里都是 0；
• 初值是这一路第一个样本的值，本来应该等于基线。

按定义，增益(基线) 里的基线，与「初值」应当是同一个数——至少在该路信号以基线为起点时。

核对下来，三百一十二个通道里有二百九十六个的初值与基线不一致，只有十六个一致。以 ECGPCG0001 为例：ECG 初值 -6017、基线 -4733，差 1284；PCG 初值 32767、基线 -2920，差三万五千多。

PCG 那个尤其说明问题：32767 是 16 位有符号整数的上界。初值恰好等于上界，说明这一路信号在第一个样本就已经饱和。曲线开头是一段削顶。

**这不是致命的，但会让「用初值判断基线」的做法失效。**正确的基线永远取 增益(...) 括号里那个数，不要取初值。

2.8 采样点数与体积对不对得上

.dat 是裸二进制，一条五通道、1440 万点、16 位的记录应当是 1440 万 × 5 × 2 = 144,000,000 字节，也就是 144 MB。对象清单里五通道长记录的 .dat 全是 144.00 MB，对得上。

两通道的记录是 57.6 MB。八条三十分钟两通道加五十八条三十分钟五通道加八条三十秒记录，累加约八点零吉字节，与清单一致。

**这个自洽性说明没有文件被截断。**对于走 nginx 下载会无声截断的老问题，这里可以用「体积对不对」当作一道粗筛。

2.9 受试者贡献极不平衡

二十四名受试者贡献六十九条记录，平均每人二点九条。但分布极其不均：

• 一人（S009）贡献八条；
• 一人（S005）六条；
• 三人各五条；
• 五人各四条；
• 十人各一条。

那十个只有一条的人，大部分是短记录（三十秒），或者只做了一个条件（比如 S021 只做了匀速步行、S022 到 S024 只做了骑行）。

这个结构意味着：**如果按记录数算「样本量」，二十四个人会变成六十九条，放大近三倍。**而真正的独立个体只有二十四个。

更麻烦的是，贡献八条的 S009 里，有六条是「混合方案」——他一个人跑了慢走、快走、起坐、休息一整套，所以场景标签高度重复。用这批数据做「场景分类」任务时，S009 会过度代表混合方案这一类。

2.10 条三十秒短记录

八条短记录分别是 ECGPCG0003 到 ECGPCG0009，加 ECGPCG0040。全部是休息状态，全部三十秒。

它们的作用是快速预览：下一条长记录之前先看一眼信号质量。ECGPCG0003 与 ECGPCG0040 同属 S003，通道数都是 2；其余六条是五通道。

这八条应当从训练集里排除，或者至少不要在按记录计数时把它们和长记录等同。三十分钟与三十秒，信息量差六十倍。

2.11 三位一体的清单校验

表格、RECORDS、头文件三方逐项比对：

• 记录名集合：完全相等，零差异；
• 通道数：六十九条全部一致；
• 时长：六十九条全部一致（采样点数除以 8000 再除以 60，与表格的分钟数误差小于 0.01）。

**三方零差异是这份数据最让人放心的一点。**它说明发布前跑过完整性检查。

2.12 表格里的质量备注

电子表格有五列备注：ECG Notes、PCG Notes、PCG2 Notes、AUX1 Notes、AUX2 Notes。这些是人工写的自由文本，是这份数据最有价值的部分之一。

ECG Notes 的分布：

备注	条数
Good	36
Noisy	9
Good; occasional saturation	5
Powerline noise	2
Noisy low amplitude	2
Partially noisy	2
其余单条（饱和、断连、极噪、幅度波动、形态待查、异常心电等）	13

只有三十六条心电被判为「好」，占五成二。其余三成多是各种问题，另外一成多是「好但有工频干扰」这类半好。

PCG Notes 好些：五十条 Good、九条 Partially saturated、四条 Saturated，其余是噪声或断连。

**这个质量分布决定了使用方式：**如果要做干净的心音分析，实际可用的大概五十条；如果要做噪声鲁棒性研究，那十九条有问题的正好是素材。

有一条备注格外值得注意：Good; Abnormal ECG。这是全库唯一的异常标注，但表格里没有说明异常是什么类型。想做「正常 vs 异常心电」的对比，只有一个正例，做不了。

2.13 每受试者做了几次、按什么顺序

表格的行序基本就是采集顺序。看每人的场景列表，能看出流程：

• S002 做了卧床休息、匀速步行、Bruce、自行车负荷四条；
• S005 做了坐姿休息（三十秒）加骑行两条、Bruce、步行、自行车负荷；
• S016 只做了四种运动，没有休息长记录；
• S018 只做了 Bruce 与步行两条。

**同一受试者的不同条件不在同一天。**条目页说「每位志愿者把某个任务做一次」，从表格无法判断是否跨日。这一点影响「条件之间的比较」——如果跨日，心率基线本身就变了。

2.14 文件命名与编号的空缺

记录编号从 ECGPCG0001 到 ECGPCG0069，连续无空缺。但表格的 Database Housekeeping 列揭示了另一件事：四条记录写过「Replaced file ID 01」「Replaced file ID 02」「Replaced file ID 03 (PG)」「Replaced file ID 040 (PG)」。

意思是这四条是重录替换的版本，原来的文件被换掉了。编号没有变，内容换了。

**（PG）这个标记没有解释。**从上下文推测是采集者姓名缩写，但数据集里没有对照表。

这四条是 ECGPCG0001、0002、0003、0040。前三条恰好是全库最前面的三条，说明项目启动初期返工最多。

2.15 采样率的代价与收益

8 千赫兹，是这份数据最容易被跳过的一个数字，但它决定了很多事。

**收益。**心音的瞬态含有高频成分——S1 的起始是一个陡峭的上升沿，陡沿的频谱一直延伸到几千赫兹。如果只采 1 千赫兹，这个上升沿会被抹平，S1 的起点位置估计会偏十几毫秒。对电机械延迟这种以毫秒计的量，十几毫秒是致命的。8 千赫兹给到了 4 千赫兹的奈奎斯特频率，S1 的陡沿被完整保住。

**代价。**三十分钟、五通道、8 千赫兹、16 位，一条记录就是 144 MB。六十一条下来八吉字节。这是为什么这份数据只有六十九条记录——不是招不到人，是存不下。

**还有一个隐性代价：后续处理的算力。**做一次 20 赫兹到 400 赫兹的带通，在 8 千赫兹的信号上要跑一个很长的滤波器。合理做法是先降采样到 2 千赫兹再滤——但这个降采样本身要先抗混叠，顺序不能反。

2.16 前端的通带与心音的频带对得上吗

条目页给的心音通道参数：高通 0.1 赫兹、低通 1 千赫兹。

低通 1 千赫兹这个选择值得说。心音的主要能量在 20 到 400 赫兹，但杂音——尤其是主动脉瓣狭窄的喷射性杂音——能量可以上到 600 到 800 赫兹。1 千赫兹的截止刚好把这些成分保住。

**代价是保留了更多的高频噪声。**肌电、摩擦音、设备自噪声都在这个频段。所以低通设 1 千赫兹，等于「宁可留噪声，也不丢杂音」。对一个以研究杂音为目标的项目，这个取舍是对的。

心电通道的 150 赫兹上限则是标准做法——诊断心电的常规带宽就是 0.05 到 150 赫兹。设得更高只会引入肌电。

**两路不同的截止频率，意味着两路的群延迟不同。**条目页特意提了一句「前端滤波器是非线性相位的，但群延迟在通带内相当恒定」。这句话的意思是：虽然相位非线性，但在各自的通带里延迟是平的，所以不会把波形形状搞歪。**但它没有说两路之间的延迟差是多少。**做电机械延迟分析时，这个差值会直接加进结果里。

如果两路的群延迟差是 5 毫秒，那么测出来的电机械延迟就整体偏 5 毫秒。这个偏差是常数，不影响「延迟随心率变化」的斜率结论，但影响绝对值的解读。条目页没有给出这个数，使用者只能自己从滤波器参数估算。

2.17 50 赫兹陷波：做了，但没做干净

设备在数字域做了 50 赫兹工频陷波（伊朗电网频率）。

但表格里仍有两条心电备注为 Powerline noise，四条提到工频（Good; powerline noise、Noisy; powerline、Low amplitute; powerline noise、Disconnected; saturated; powerline noise）。

**这说明陷波没有完全解决问题。**可能的原因：

• 陷波器带宽太窄，而实际干扰的频率在 49 到 51 赫兹之间漂移；
• 干扰太强，陷波后仍有残余；
• 干扰的谐波（100 赫兹、150 赫兹）没有被陷。

**用的时候要自己再查一遍。**方法很简单：算功率谱，看 50 赫兹及其谐波处有没有尖峰。有的话，要么加更宽的陷波，要么在特征提取时避开这一段频带。

2.18 那份示例脚本能干什么

Code/TestHeartRateCalculation.m 是一个 MATLAB 脚本，从心电和心音两路分别提取心率。

它的价值不在代码本身（心率提取是标准流程），而在于它示范了这份数据的预期读法：先读 MAT、再分通道、再各自处理。

值得注意的是它读的是 MAT 而不是 WFDB。这暗示作者的日常流程用的是 MAT 那份。如果你要复现他们的结果，用 MAT 更稳；如果你要做工程部署，用 WFDB 更合适。

2.19 数据里没有的东西，比有的更值得记

列一份「这份数据没有的字段」清单，比列有的更有用：

• 没有采集日期与时刻；
• 没有采集地点（哪间房、哪个健身房）；
• 没有设备序列号与固件版本；
• 没有电极位置的具体描述（一导心电贴在哪两个点）；
• 没有胸件的具体固定位置（只说「三尖瓣与二尖瓣之间」）；
• 没有身高体重；
• 没有运动时的功率或速度曲线（Bruce 方案有标准protocol，但实际执行偏差不知道）；
• 没有主观疲劳评分（Borg 量表）；
• 没有运动后的恢复段（三十分钟一到就停）；
• 没有血压。

**最后两条最可惜。**负荷试验的标准流程包含恢复期与血压监测，缺了它们，这份数据只能做「运动中的信号分析」，做不了「负荷试验的完整生理响应」。

**倒数第三条也值得说。**没有 Borg 评分，就无法判断「两名志愿者因体力不支未完成自行车负荷试验」里的「体力不支」是主观放弃还是客观极限。这个区别在生理学解释上很重要。

§3 怎么拿到：11 GB，先别全下

3.1 许可与门槛

ODC-By 1.0：署名即可商用，可再分发。没有申请、没有 DUA。真正 open。

3.2 引用

Kazemnejad A, Gordany P, Sameni R. EPHNOGRAM: A Simultaneous Electrocardiogram and Phonocardiogram Database (version 1.0.0). PhysioNet. 2021. https://doi.org/10.13026/tjtq-5911

配套论文（条目页引用）：

Sameni R, et al. EPHNOGRAM: A Simultaneous Electrocardiogram and Phonocardiogram Database. 相关会议或期刊论文，引用时按实际发表信息取。

3.3 下载策略：先文本，后波形

十一吉字节不是小数目。合理的顺序：

   step 1 -- 列出对象（一次取全，无需翻页）
curl -s "https://physionet-open.s3.amazonaws.com/?list-type=2&prefix=ephnogram/1.0.0/&max-keys=1000" \
  | grep -o '<Key>[^<]*</Key>' | sed 's/<Key>//;s/<\/Key>//' > keys.txt

   step 2 -- 先取头文件与表格（不到 400 KB）
grep -E '\.(hea|csv|txt)$|RECORDS$|\.m$' keys.txt > small.txt
cat small.txt | xargs -P 16 -I{} sh -c \
  'f=$(basename {}); [ -s "hea/$f" ] || curl -s -o "hea/$f" "https://physionet-open.s3.amazonaws.com/{}"'

   step 3 -- 用 Range 抽头部，确认格式与通道交错
curl -s -r 0-255 "https://physionet-open.s3.amazonaws.com/ephnogram/1.0.0/WFDB/ECGPCG0004.dat" -o head.bin

第三步是关键：**先花两秒抓二百五十六字节，就能确认交错方式、通道数与幅度量级。**确认对了再决定要不要下整个文件。

3.4 MAT 还是 WFDB

条目页的建议是：除非需要双精度，用 WFDB 那份。

我同意，但补两条理由：

1. **WFDB 是标准的。**一百四十多个生态工具都能直接读，MAT 要自己写解析。
2. **体积小四倍。**十一吉字节里，MAT 占了三成，而它多出来的精度（双精度对 16 位）在这份数据上没有意义——原始设备的有效位数只有 10.5 位，16 位已经足够，双精度是浪费。

唯一该用 MAT 的场景：你想验证自己写的 WFDB 解析器对不对。两份数据同源，逐样本比对可以验证解析正确性。

3.5 校验

SHA256SUMS.txt 二百一十一行。注意它不覆盖自己。

对 11 GB 做全量校验要跑十几分钟。合理的做法是先校验头文件与表格（几秒），波形用体积比对当粗筛（§2.8），需要时再抽查。

§4 质量与已知问题

4.1 硬件是自己做的，这意味着什么

自建设备有好处：同步精度高、可以加辅助通道、成本低。代价是没有经过临床验证，也没有因型检验。

具体表现为：

• **没有标定记录。**设备出厂前有没有做过幅度标定？条目页没说。这意味着「毫伏」这个单位是设计值，不是量出来的值。
• **没有频响曲线。**说了通带增益与截止频率，但没给经仪器量过的幅频特性。滤波器是五阶巴特沃斯，理论曲线能算，实际元件容差带来的偏差不知道。
• **没有通道间串扰测试。**心电与心音在同一块板子上，心电的大幅度信号会不会串到心音通道？条目页没提。

**这些不是致命缺陷，但它们决定了「毫伏」这个数的可信度。**如果只是做相对分析（比如波形形状、间隔时间），影响不大；如果要做绝对幅度比较（比如心音强度分级），风险不小。

4.2 运动中的心音：伪迹比信号大

这是这份数据最本质的困难。

跑步机上录心音，会遇到三类伪迹：

1. **运动伪迹。**每跑一步，身体上下起伏，胸件与皮肤的相对位移产生低频大振幅信号。这个信号的幅度往往比心音大一个数量级。
2. **摩擦音。**胸件与皮肤、衣物与胸带之间的摩擦，是宽带噪声。
3. **设备自噪声。**踏车时设备本身在振动，麦克风拾到的机体噪声。

条目页提到用了「弹性棉质胸带」固定胸件，这是必要措施，但解决不了第一类。

**结果：十九条记录的 PCG 被标为饱和或部分饱和。**九条 Partially saturated、四条 Saturated、两条噪声、一条断连。

**用的时候必须先做伪迹压制。**常见的做法是：用 ECG 的 R 波做时间锚点，只在 R 波前后的窗口里取心音（因为收缩期与舒张期的时间窗是已知的），其余时段丢弃。这个方法依赖同步——恰好这份数据同步得极好。

4.3 「Good」也是相对的

表格里五十条 PCG 被标为 Good。但这个 Good 是采集者当时的判断，标准是什么没说。

从数据看，Good 的记录仍然可能有：基线漂移（0.1 赫兹高通之后的残余）、工频干扰（虽然有数字陷波）、呼吸调制。

**不要以为标了 Good 就不用预处理。**它只意味着「没有明显的饱和与断连」。

4.4 16 位与双精度的差别有多大

条目页说转换后所有通道的信噪比在 60 分贝以上。这个数是设计者用 MATLAB 原文件与 WFDB 读回的文件逐通道比对算出来的。

60 分贝对应约 10 位有效精度。设备本身的有效位数是 10.5 位。所以 16 位存储几乎没有损失信息——瓶颈在设备，不在格式。

这也说明：非要用 MAT 双精度，得到的只是「把 10.5 位的信号用 53 位小数存起来」，没有增加信息。

4.5 高度不平衡的采样设计

二十四个人，六十九个条件。但不是「每人每种条件都有」的完全交叉设计：

• 休息长记录只有十一个人做了；
• 固定自行车骑行十三条，来自几个人重复做；
• Bruce 跑台十一条，来自十一个人各一次；
• 混合方案三条，全是一个人。

**这不是一个可以拿来做「条件效应」方差分析的平衡设计。**任何「骑行比步行心率高多少」的结论，都混杂了受试者个体差异——因为做骑行的人和做步行的人不完全重合。

**正确的做法：只用那些在同一受试者身上同时有两种条件的记录做配对比较。**按表格算，同时做了骑行与步行的受试者有几个，但每个条件下的记录数据量很小。

4.6 数据质量清单（DAIMS）

维度	评级	依据
完整性	高	表格、RECORDS、头文件三方零差异；SHA 覆盖 211 个对象
一致性	中	通道数与时长全一致；但条目页「三导联」与实际的单导联不符
准确性	中	自建设备无标定记录；幅度单位为设计值
唯一性	高	编号连续无重复；受试者编号唯一
时效性	中	采集于二〇二〇年前后，设备版本已过时
可追溯	低	无采集日期、无设备序列号、无标定文件
标注质量	中	只有自由文本质量备注，无结构化质量分

4.7 一条自相矛盾的记录数

条目页在数据描述段先写「69 条记录」，紧接着写「30 分钟记录（62 条）」。

核下来：30 分钟的是六十一条，30 秒的八条，六十一加八等于六十九。

**所以「62 条」这个数不对。**差一条。可能是把某条短记录算成长记录了，也可能是笔误。

这个差异不大，但它提醒一件事：条目页的数字不要直接抄，要自己数。

4.8 二十四个人的统计能说什么

二十四个独立个体，是这份数据的功效上限。

按二十四人、双侧检验、显著性零点零五算，能稳定检出（功效零点八）的效应量大约是 Cohen’s d 等于零点六。这个量级在生理学上属于「中等偏大」——比如「运动时电机械延迟比静息短 15%」这种效应，检得出；「短 5%」这种，检不出。

**这条约束决定了该问什么问题。**问「同步采集能不能做」——能，因为信号质量摆在那里，不需要统计检验。问「延迟与心率有没有关系」——能，因为关系很强，散点一看就清楚。问「Bruce 方案与自行车负荷的延迟差异有多大」——不能，因为效应小、样本少，且两种条件下的人不完全重合。

**最该避免的是「分组比较」。**二十四人分两组，每组十二人。这个规模下，任何组间差异都要大到 d 大于一点二才能检出，而生理指标很少有这么大的组间差。

4.9 一个被忽略的混淆：胸件位置不固定

条目页说胸件放在「三尖瓣与二尖瓣之间」，理由是那里能同时听清 S1 与 S2。

这是合理的选择，但没有说明每人是否用同一个位置、位置偏差有多大。胸壁上的两厘米位移，会让心音的幅度变化几个分贝，也会让 S1 的频谱重心移动。

对电机械延迟的影响更大：延迟是从 R 波峰到 S1 起点，而 S1 的起点位置取决于你听到的是哪个瓣膜的声音。三尖瓣关闭比二尖瓣晚十几毫秒，胸件偏一点，听到的成分比例就变了。

**所以跨受试者比较绝对延迟值时，这个混淆无法排除。**能做的只有：受试者内比较（同一人不同条件）、或者只看延迟随心率的变化率（斜率，位置偏差是常数，不进入斜率）。

4.10 运动强度的实际分布无法验证

五种条件里，只有 Bruce 方案有标准协议（七级，每级三分钟，速度从 2.7 公里每小时升到 6.7，坡度从 10% 升到 22%）。

其余四种是自由设计：

• 「固定自行车骑行」——功率是多少？没说。
• 「匀速步行 3.7 公里每小时」——坡度是多少？没说。
• 「自行车负荷试验」——递增的速率是多少？没说。
• 「混合方案」——每一段的时长有写，强度没写。

这意味着「运动强度」这个变量在数据里是定性的、不是定量的。

后果：不能算「延迟与功率的关系」，只能算「延迟与心率的关系」。心率是个替代量，它同时受强度、体能、情绪影响。

**这不是缺陷，是取舍。**要精确控制强度，就得用功率车加气体代谢分析，成本高十倍。用「条件标签 + 心率」做近似，是这类研究的常规做法。只是使用者要清楚：你测的是心率效应，不是强度效应。

§5 能做什么

5.1 电机械耦联：这份数据唯一的护城河

心电的 R 波是电学事件，心音的 S1 是机械事件（房室瓣关闭）。两者之间有一段延迟，健康成年人约三十到五十毫秒。

这段延迟受什么影响？受心肌收缩力、前后负荷、心率影响。运动时心率上升、收缩力增强，延迟会缩短。

**要研究这件事，必须有同步记录。**分开采的数据集做不了——两次采集之间心率就变了。

这份数据的价值全在这里：六十九条记录，其中六十一条是三十分钟的连续记录，运动过程中心率从静息一路升到峰值。这提供了一个连续变化的「心率-延迟」曲线。

条目页提到，配套论文里已经做过这件事，结论是：心率上升时，R-R 间期缩短，但 R 波到 S1/S2 的间隔并不按同样比例缩短。也就是说，电与机械的「变速比」不同，这个不同正是电机械耦联的指纹。

5.2 心率序列的双通道对照

同一个心脏，用 ECG 算心率与用 PCG 算心率，两条曲线应当高度一致但不完全相同。

差别在哪里？在心音检测的抖动。R 波是尖锐的（上升沿几毫秒），S1 是缓的（持续几十毫秒），所以 S1 的起点检测精度天然不如 R 波。

**这个差别本身就是研究对象。**如果某段记录里两条心率曲线突然分叉，说明心音检测错了，或者发生了某种心音形态变化（比如 S1 分裂）。

条目页提到配套论文算了样本熵，发现两条序列的随机特征不同。这类分析在这份数据上是天然可做的。

5.3 噪声抵消：一个还没做成的方向

数据里有 AUX1、AUX2 两路环境噪声，设计意图是做 ANC。

但如 §2.5 所说，这两路五十八条里有五十八条被标为量化噪声电平，增益被归一化到了撑满量程。

**这意味着这个方向在这份数据上做不成。**除非……

除非你换个思路：**把 PCG2 当作「第二路心音」，用两路心音的差异做文章。**PCG2 也是量化噪声，但它与 PCG 的噪声不完全相关（不同麦克风位置），理论上可以做互相关分析来估计噪声成分。

这个思路在数据上是否可行，需要先看看 PCG2 到底有没有一点信号残留。从头部字节看，PCG2 的一阶差分与 AUX 同量级，都是几千个计数——大概率全是噪声。

诚实的说法：这个方向需要先在波形层核实 PCG2 是否 100% 无信号，不能想当然。

5.4 心音分段：在运动伪迹下做分割

干净心音的 S1/S2 检测已经做得不错。运动中的心音分割是另一回事：伪迹会制造大量假峰。

这份数据提供了十九个「饱和或部分饱和」的难例。如果方法能在这十九条上也保持合理精度，说明它真的鲁棒。

这比在干净数据上刷高零点零一个百分点有意义得多。

5.5 心电质量筛查

只有三十六条心电被判为 Good。剩下三十三条有各种问题：噪声、饱和、工频干扰、断连、幅度过低。

**这三十三条正好是一份现成的心电质量评估素材。**有标签（备注文本）、有波形、有同步参考。

做心电质量指数（SQI）的研究者常苦于没有带标注的坏数据，这里有一批。

5.6 制作用于教学的心音-心电对照样本

同步记录最大的教学价值在于：同一条时间轴上，能看见 R 波之后多久出现 S1。

把一段记录切成单拍，上下两行：上行心电、下行心音，竖线对齐 R 波。学生会立刻看到：电来了，机械晚了几十毫秒才动。

这份数据能做出几百个这样的教学图，而且覆盖静息到极量运动的全过程。

5.7 它不适合做什么

• **诊断任何疾病。**全部是健康志愿者，没有患者对照。
• **成人-儿童对比。**只有二十三到二十九岁男性。
• **女性生理差异研究。**零女性。
• **长时程趋势分析。**单条最长三十分钟，且不同条件不在连续时间轴上。
• **绝对幅度比较。**增益逐记录归一化，跨记录不可比。
• **三导联空间分析。**数据里只有一导。
• **噪声抵消。**辅助通道已饱和到量化噪声。

§6 常见误读与引用陷阱

误读	事实	后果
「三导联心电」	头文件里每条只有一路 ECG	按三导联写的解析器直接失败
「69 个样本」	24 个独立个体	交叉验证泄漏，置信区间虚窄
「62 条 30 分钟记录」	实际 61 条长记录 + 8 条短记录	时长统计错
「增益可以直接用」	每条记录每路增益不同	跨记录幅度比较完全无效
「AUX 通道可以做噪声抵消」	已归一化到量化噪声	拿噪声减噪声
「初值就是基线」	296 个通道初值与基线不一致	基线估计错，波形整体偏移
「Good 就是干净」	只是没饱和没断连	跳过必要预处理
「可以拿来做条件方差分析」	非平衡设计，条件与人混杂	把个体差异当成条件效应
「11 GB 都可以用」	MAT 与 WFDB 同源，重复占 3.3 GB	白下三成体积
「Abnormal ECG 那一条可以当正例」	全库只有一条	无法构成分类任务
「毫伏是量出来的值」	自建设备无标定记录	绝对幅度不可信

三条技术陷阱：

**第一，帧式交错。**一条记录的所有通道数据在同一个 .dat 里，按「每帧取各通道一个点」排列。用 numpy.fromfile 读成一维后必须 reshape(-1, nsig)，再按列取通道。按「先存完通道 0 再存通道 1」的块式读法去读，会得到完全没有意义的波形。

第二，增益字段的格式。46944.2574(-4733)/mV 这三段要一起解析：增益、基线、单位。只取冒号前面的数字当增益，就会丢掉基线，波形会带一个恒定偏移。

第三，16 位有符号 vs 无符号。格式是 16，在 WFDB 里指 16 位有符号（与 circor 的 16+44 偏移二进制不同）。用无符号读，负半周全部折到正半周，波形会翻倍且变形。

§7 在生态中的位置

7.1 与相邻数据的分工

数据集	规模	同步	负荷	独特之处
EPHNOGRAM（本页）	24 人 / 69 条 / 30.6 小时	硬件级	五种，含 Bruce	电声同步 + 运动中采集
CirCor DigiScope	942 人 / 3,163 段	不适用（仅心音）	静息	四部位、杂音五维、儿科
PhysioNet 2016 心音	3,240 段	不适用	静息	正常/异常/噪声/其他四分类
PTB-XL	21,837 条	不适用（仅心电）	静息	十二导联、多诊断标签

分工很清楚：**CirCor 答「杂音在哪」，2016 那份答「有没有异常」，PTB-XL 答「心电诊断是什么」，本页答「电与机械怎么对上」。**四者不重叠，也不能互相替代。

7.2 规模在整个生态里处于什么位置

三十点五七小时、二十四个人，在生理信号数据集里属于很小的。心电有八十万条的，脑电有一万五千小时的。

但同步采集的数据本来就少。要在一颗心脏上同时测电与机械，还要连续测三十分钟、还在运动中测，这个门槛把绝大多数数据集挡在外面。

**规模小是结果，不是选择。**理解了这一点，就不会拿「才二十四个人」来否定它的价值——它填补的是一个别人没填的格子。

7.3 与研究线的接续

三个方向：

1. **电机械延迟作为心功能指标。**静息时的延迟个体差异大，但同一个体的「延迟随心率的变化率」可能更稳定。这份数据能估计这个变化率。
2. **心音辅助心电的节律分析。**房颤时 R-R 绝对不齐，但 S1 的强度也随前负荷变化。两路一起看，可能比单看心电更有信息。
3. **低功耗设备的算法设计。**这份数据就是用低功耗设备采的，算法的算力预算应当与之匹配。

7.4 适合谁用

• 研究电机械耦联的组：这是目前公开数据里最合适的一份。
• 做运动心音鲁棒性的组：十九条饱和难例是现成素材。
• 做同步采集设备验证的组：可以拿它当参照，比对自家设备的同步精度。
• 不适合：做临床诊断、做女性或老年人群、做三导联分析的。

§8 怎么用：分析方案

8.1 读数据的最小代码骨架

import numpy as np, re

def read_hea(path):
    lines = [l for l in open(path) if l.strip() and not l.startswith('#')]
    name, nsig, fs, nsamp = lines[0].split()
    chans = []
    for s in lines[1:]:
        p = s.split()
        m = re.match(r'([\d.]+)\((-?[\d.]+)\)/(\S+)$', p[2])
        chans.append(dict(gain=float(m.group(1)),
                          base=float(m.group(2)),
                          unit=m.group(3),
                          name=p[8]))
    return dict(name=name, nsig=int(nsig), fs=int(fs),
                nsamp=int(nsamp), chans=chans)

def read_dat(hea_path, dat_path):
    h = read_hea(hea_path)
    raw = np.fromfile(dat_path, dtype='<i2')
    raw = raw[: h['nsamp'] * h['nsig']].reshape(-1, h['nsig'])
    out = {}
    for i, c in enumerate(h['chans']):
        out[c['name']] = (raw[:, i] - c['base']) / c['gain']
    return h, out

三步：解析头、按帧解交错、减基线除增益。别省第三步。

8.2 R 波与 S1 的时间差怎么算

流程：

1. 从 ECG 通道检测 R 波（Pan-Tompkins 或更简单的阈值法都行，这份数据的心电质量总体可以）；
2. 从 PCG 通道检测 S1（在 R 波后 20 到 80 毫秒的窗口里找能量峰）；
3. 两者之差就是电机械延迟。

注意三件事：

• **必须逐拍算，不能整段平均。**延迟随心率变，整段平均会把变化抹平。
• **窗口要随心率调整。**心率快时延迟缩短，固定窗口会漏检。
• **饱和段要跳过。**十九条记录有饱和，饱和段的峰值位置不可靠。

8.3 划分策略：按人，不是按记录

二十四人、六十九条。按记录随机切会让同一个人的不同条件分到训练与验证两侧。

正确做法：

GroupKFold(n_splits=5, groups=subject_id)

但二十四人分五折，每折不到五人。这个划分的方差会很大，换一个随机种子结论可能就变。合理的做法是重复多次分组划分（比如十次不同的分组），报告均值与标准差，而不是单次结果。

另一个选择是留一法（Leave-One-Subject-Out），二十四个折。它没有随机性，但算二十四次训练，成本高。

8.4 指标怎么选

看任务：

• 心音分割：F1 与时间误差（毫秒）。别只看 F1，边界偏几十毫秒在临床上就是错的。
• 心率估计：与 ECG 心率的平均绝对误差（次每分）。这是有绝对标准的任务，误差可以直接解读。
• 电机械延迟：报告逐拍的分布，不是均值。中位数、四分位距、以及「延迟与 RR 的相关系数」。
• 质量分类：用表格的五列备注当弱标签，报宏平均 F1。注意 Good 占多数，准确率没有意义。

8.5 五条失败模式

1. 帧式交错读错：读出来的波形像噪声。检查方法：看 ECG 通道是否呈现规律的心搏形态。
2. 忘除增益：跨记录比较幅度，得到随机结论。检查方法：随机取两条记录，比较静息段的心音峰值毫伏数，正常应当在同一量级。
3. 按记录切分：验证集里出现训练集见过的人。表现是验证指标比测试高十几个点。
4. 把短记录当长记录：八条三十秒记录混进去，把「平均时长」拉低。检查方法：按采样点数分组。
5. 在饱和段算延迟：削顶的峰值位置随机，延迟估计变成噪声。检查方法：先看表格的 PCG Notes 列。

8.6 一个贴合实际的最小实验

目标：验证「心率上升时，电机械延迟缩短，但缩短幅度小于 RR 的缩短幅度」。

1. 取十一条 Bruce 跑台记录（分级递增，心率覆盖最宽）；
2. 逐拍检测 R 波与 S1，算 RR 与延迟；
3. 按 RR 分箱，画延迟对 RR 的散点；
4. 拟合斜率，与「斜率等于 1」的假设比较。

这个实验不需要深度学习、不需要大量算力，但它直接检验了这份数据的核心价值。如果斜率显著小于 1，说明机械系统有「缓冲」，这是生理学上说得通的结论。

8.7 一个容易被忽略的检查：饱和比例

每条记录的饱和比例 = 削顶样本数 / 总样本数。削顶判据：样本值等于 int16 上界 32767 或下界 -32768。

这个比例超过千分之一，就说明这段录音在运动最剧烈时丢失了信息。先算这个比例，再决定这条记录能不能进分析。

表格的备注是人工判断，饱和比例是机器判断，两者可以互相印证。核一遍两者是否一致，能发现备注漏标的情况。

8.8 别逐拍算显著性

逐拍算电机械延迟，会得到每条记录几百到上千个数。拿这些数去做 t 检验，是这份数据上最容易犯的统计错误。

原因：同一记录内的逐拍数据高度自相关（相邻两拍共享同一心率、同一负荷、同一体位）。按独立样本算 p 值，会把 p 压小几十倍。

正确做法：

1. 先按记录聚合（每记录一个中位延迟），再对六十一条做检验；
2. 或用混合效应模型，记录当随机截距；
3. 或用分块置换，在记录层面打乱标签。

任何在拍层面报出 p 小于零点零零一的结论，都该重算。

8.9 双通道互相校验的做法

一个实用的技巧：用 ECG 算的心率去校验 PCG 的分割结果。

具体做法：以 ECG 的 R 波为锚，把每个心动周期切成固定长度的窗（比如 RR 的 1.2 倍），在这个窗里找 S1 与 S2。如果找到的 S1 位置落在 R 波前（物理上不可能），说明检测错了。

**这个校验不需要额外标注，纯靠物理约束。**它能筛掉大部分误检，成本极低。

§9 一个更宽的问题：为什么同步采集这么难

技术上，把心电和心音接到同一块板子上不难。难的是三件事：

**第一，两者的带宽差三个数量级。**心电的主要能量在 0.5 到 40 赫兹，心音在 20 到 400 赫兹，但 S1/S2 的瞬态含有上千赫兹的成分。要同时保住两者，采样率必须按高的那个定。这份数据选了八千赫兹，是心音上限的四倍过采样。

**第二，两者的幅度差两个数量级。**心电的 R 波是毫伏级，心音在胸壁上也是毫伏级，但经过听诊器导管衰减后是微伏级。要同时采，前端的增益必须分设——这正是条目页所说「心电通带增益 30 分贝、心音 5 分贝」的原因。

**第三，运动时两者的伪迹机制不同。**心电的伪迹主要来自电极-皮肤界面的阻抗变化（低频），心音的伪迹来自机械振动（宽带）。同一套滤波去不掉两者。

这三件事解释了为什么同步数据集这么少：**不是没人想做，是做了之后数据不好看。**这份数据的十九条饱和记录，就是「不好看」的证据。

但恰恰是这些不好看的部分，定义了这个领域的下一个问题：**运动中的心音，到底能不能用？**如果能，可穿戴心音监测就成立；如果不能，它就只能在诊室里做。

§10 术语与口径

术语	本页口径
记录	一条 .hea 加对应 .dat（及 .mat），对应一次采集
受试者	S001 至 S024，二十四人
条件 / 场景	表格 Recording Scenario 列，五种负荷加混合方案
长记录 / 短记录	30 分钟 / 30 秒
帧	.dat 里同一采样时刻各通道的一个点组成的一组
增益	每毫伏对应的整数计数，逐记录逐通道不同
基线	增益字段括号内的数，还原毫伏时须先减
电机械延迟	ECG 的 R 波峰到 PCG 的 S1 起点之间的时间
饱和	样本值触及 int16 上下界，波形削顶
量化噪声电平	表格备注用语，指信号幅度低于量化台阶
Good	表格备注用语，仅指无饱和无断连

§11 事实清单

11.1 核心事实表

项	数值	来源
受试者	24（S001–S024，全部男性，23–29 岁）	电子表格
记录数	69	RECORDS / 头文件 / 表格三方一致
长记录 / 短记录	61 / 8	采样点数
总时长	30.57 小时（110,040 秒）	采样点数 / 8000
采样率	8,000 赫兹（全部一致）	头文件
通道数	5 路 58 条，2 路 11 条	头文件
通道名	ECG、PCG、PCG2、AUX1、AUX2	头文件第九字段
ECG 路数	每记录 1 路（非三导联）	头文件逐条核对
格式	16 位有符号，裸二进制无头	头文件
总字节	约 11.3 GB（WFDB 8.0 + MAT 3.3）	对象清单
对象总数	212	S3 清单
增益范围	ECG 32,775–167,767；PCG 32,904–64,248	头文件
PCG2 增益中位	8,141,636（满量程 3.2 微伏）	头文件
初值与基线不一致	296 / 312 个通道	头文件逐通道比对
三方清单差异	0（记录名、通道数、时长）	交叉核对
心电质量备注	Good 36 条，其余 33 条有问题	表格
PCG 质量备注	Good 50 条，饱和 13 条	表格
PCG2 备注	量化噪声电平 55 条	表格
AUX2 备注	量化噪声电平 58 条	表格
场景分布	休息 19、骑行 13、步行 13、Bruce 11、自行车负荷 10、混合 3	表格
每受试者记录数	最多 8（S009），10 人各 1 条	表格
重录替换记录	4 条（0001、0002、0003、0040）	表格 Housekeeping 列
异常心电标注	1 条	表格 ECG Notes

11.2 可立即验证的疑问

1. **为什么头文件只有一导心电，而条目页写三导联？**是数据裁剪，还是发布时的简化？
2. **「62 条 30 分钟记录」与实际 61 条差在哪？**笔误还是有一条被漏算？
3. **增益归一化的规则是什么？**逐记录最大值归一？那为什么 PCG2 会归一到一个几乎无信号的值？
4. **（PG） 这个标记指谁？**采集者缩写？没有对照表。
5. 自建设备做过幅度标定吗？「毫伏」是量出来的还是按设计算的？
6. **同一受试者的不同条件在同一天吗？**表格无日期字段。
7. **那条 Abnormal ECG 是什么异常？**唯一的异常标注，没有类型说明。
8. **PCG2 到底有没有一点信号残留？**需要波形层核实，本页只看了头部字节。

11.3 证据链

• 对象清单：S3 ListObjectsV2 单次返回 212 个对象，无截断标记；按扩展名统计为 .hea 69、.dat 69、.mat 69、.csv 1、.txt 2、.m 1、RECORDS 1。
• 头文件：69 个 .hea 全部解析，首行四字段与每行九字段逐项统计；通道数、采样率、格式、通道名、增益、基线、初值全部提取。
• 电子表格：ECGPCGSpreadsheet.csv 六十九行十三列全部解析，受试者、场景、时长、通道数、五列质量备注逐项统计。
• 三方比对：记录名集合、通道数、时长三组关系逐条验证，零差异。
• 二进制抽查：对两条记录（两通道与五通道各一）以 HTTP Range 请求抓取头部二百五十六字节，按 int16 解包，确认帧式交错与各通道一阶差分统计量。
• 未下载：11.3 GB 波形。信噪比、饱和比例、实际心搏数三项未核。

编辑说明

本页依据 PhysioNet 条目页（https://physionet.org/content/ephnogram/1.0.0/）的公开表述撰写，完整下载并解析了全部 69 个头文件、电子表格、RECORDS 与校验文件，并以 Range 请求抽查了两条记录的二进制头部。未下载 11.3 GB 波形。

需要说明的几处判断：

一是关于导联数。条目页两处写「three-lead ECG」，头文件里每条记录只有一路 ECG。本页采信头文件，因为这决定了代码怎么写。同时说明硬件可能支持三导联而发布数据做了裁剪，不推断裁剪原因。

二是关于记录数。条目页写「30 分钟记录 62 条」，实际核出 61 条长记录加 8 条短记录。本页按采样点数判定，不采信条目页的 62。

三是关于增益。每个记录的每路增益都不同，这不是错误，是正常的归一化做法；但本页指出它带来的后果——跨记录幅度不可比，以及 PCG2 被归一化到满量程仅 3.2 微伏这一反常结果。后者由头文件增益直接推出，并用头部字节的一阶差分验证了噪声形态。

四是关于初值与基线。296 个通道不一致，本页只报事实并提示「基线取括号内那个数」，不推测不一致的原因。

五是关于辅助通道。AUX2 五十八条全部标注量化噪声，PCG2 五十五条同样。本页据此判定「噪声抵消方向在这份数据上做不成」，同时明确标注这个判定只基于头部字节，未做全波形核实。

六是关于人群。全部男性、23 至 29 岁、健康志愿者。这是硬限制，不是可打折的软限制。

未验证的部分：实际饱和比例；心搏总数；波形层的信噪比；设备的幅度标定；同一受试者不同条件的采集日期；（PG） 标记的含义；Abnormal ECG 的具体类型。

编辑说明（核对方式）

核对时间：2026-10-20。核对方式：S3 免签名直连十六并发下载全部头文件与表格（348 KB），二进制抽查用 HTTP Range 请求抓前二百五十六字节，不经 WFDB 库以避免库层对非标准第九字段（通道名）的容错掩盖问题。三方清单比对与头文件解析均用自写解析器。全部中间结果与脚本未随本页发布。

---

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：

• qol-stress — 共享标签：生理信号 / 心电信号 / 多模态 / 可穿戴传感
• cardiowave-portable — 共享标签：生理信号 / 心电信号 / 多模态 / 可穿戴传感
• dreamer — 共享标签：生理信号 / 心电信号 / 多模态 / 可穿戴传感
• wesad — 共享标签：生理信号 / 多模态 / 可穿戴传感
• wearable-exercise-frailty — 共享标签：生理信号 / 心电信号 / 可穿戴传感
• heartcycle — 共享标签：生理信号 / 心电信号 / 多模态
• pulsedb — 共享标签：生理信号 / 心电信号 / 可穿戴传感
• cgmacros — 共享标签：生理信号 / 多模态 / 可穿戴传感
• ou-dataset-t1d — 共享标签：生理信号 / 多模态 / 可穿戴传感
• tame-pain — 共享标签：生理信号 / 多模态 / 可穿戴传感

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。