床边八路波形的三十年前 — MGH/MF 波形库

MGH/MF 波形库是 PhysioNet 上一份 2002 年上线的老资源，内容却比它的名字要"宽"得多。全名 Massachusetts General Hospital/Marquette Foundation Waveform Database，按字面读是"麻省总医院与 Marquette 基金会的波形数据库"——它把 MGH 和 MF 两个机构缩写拼在了一起，看上去像某个内部系统的代号，实际上是一份跨机构合作的公开数据。

它收录的不是心电图，而是病床边那台监护仪同时打出来的八路波形：三路心电，加上动脉压、肺动脉压、中心静脉压、呼吸阻抗与气道二氧化碳。二百五十位在重症监护病房、手术室与心导管室里接受监护的患者，每人一段十几分钟到八十余分钟的连续记录，信号被同步采样、同步存档、同步注释。

名字里最容易误读的一段是"MF"。它既不是文件格式也不是滤波方法，而是 Marquette Foundation 的缩写；而 MGH 虽然确实是那家医院，但这份库的意义不在医院的病历，而在于它把床旁监护仪的多路输出原封不动地留了下来（§1.2）。一屏速览见下表。

维度	内容
官方全名	Massachusetts General Hospital/Marquette Foundation Waveform Database
缩写拆解	MGH = Massachusetts General Hospital；MF = Marquette Foundation
中文名	麻省总医院／Marquette 基金会波形数据库
托管平台	PhysioNet，Open Access 栏目
版本	1.0.0，2002 年 6 月 10 日发布
DOI	10.13026/C26K5Q
患者数	250 名，记录名 mgh001 至 mgh250
每条通道数	8 路，头文件中按顺序定义
常规通道	三路心电、动脉压、肺动脉压、中心静脉压、呼吸阻抗、气道二氧化碳
附加通道	部分记录含颅内压、左房压、心室压、主动脉内球囊压
采样率	每秒 360 个样本，有符号 12 位量化为 16 位存放
单条时长	十余分钟至八十余分钟，多数约一小时
注释	每记录一份 .ari，含心搏与事件两类标签
整包大小	未压缩约 4.2 GB
许可	Open Data Commons Attribution License v1.0
引用文献	Welch JP 等，J Clinical Monitoring 7(1):96-97，1991

§1 它要解决的具体麻烦

1.1 单参数数据永远回答不了"当时整个人是什么状态"

心电算法在 MIT-BIH 这类单参数库上做到九成以上灵敏度，几乎是十几年前的常规成绩。可一进重症监护病房，同一条 QRS 就未必还能被认出来：患者可能在用呼吸机，可能在注射升压药，可能刚做完冠脉造影，身上插着四五根导管，还连着主动脉内球囊反搏。心电的形态、心率、血压、中心静脉压是同时变化的，只看一路信号，无法判断某次心率骤降是房室传导阻滞还是血管张力崩塌。

这就是多参数同步记录的价值所在。它让研究者能把"心电异常"与"血流动力学后果"放在同一根时间轴上对照：一个室性早搏出现的同时，动脉压的波峰是否塌了一截；气管插管的那一刻，呼吸阻抗和二氧化碳曲线各自怎么变；气囊反搏开着和关掉，压力曲线的形态差在哪里。

MGH/MF 就是这种思路的早期实现。它从上世纪九十年代初开始采集，把监护仪上的模拟输出直接录在磁带上，再整体数字化。介质是磁带和 CD-ROM，格式是 WFDB——这套格式后来成了 PhysioNet 的标准，所以在 2002 年上线时，它几乎不需要转换就能被现成工具读取（§8.1）。

1.2 三条常见的错误期待

第一条，把 MGH 当成"麻省总医院内部病历数据库"。 名字里带着医院名，很容易让人以为这是一份院内电子病历导出。实际它是床旁监护的波形记录，没有病历文本、没有检验结果、没有出院诊断编码。头文件里有年龄、性别和一句诊断，但那是注释，不是结构化字段。

第二条，把 MF 当成文件格式或滤波方法。 MF 是 Marquette Foundation，一个与麻省总医院合作做监护技术研究的基金会。它不出现在数据文件里，只出现在库名和引用文献里。把它读成 Motion Filter 或某个信号处理缩写，会让整段数据描述的逻辑错位。

第三条，把八路当成八导联。 八路里只有三路是心电，另外五路是压力和气流信号。把它们当成八导联心电去画心电向量，得出的东西没有任何生理意义。头文件里的通道名写得很直白：ECG lead I、ART、PAP、CVP、Resp. Imp.、CO2，前三个和后五个不是一类。

1.3 它能给到的与给不到的

你的需求	它给的	够不够
多参数同步信号的研究材料	每记录 8 路同步波形，心电与压力、呼吸、气体同轴	够，这是主用途
心搏检测算法的鲁棒性评测	250 段真实监护波形，含起搏、室性早搏、传导阻滞	够，但需自行划分
压力波形与心电的因果分析	ART、PAP、CVP 与心电同步、时间对齐	够，注释里还有置零与标定事件
现代重症患者的人群代表性	1990 年代初、单中心、250 人	不够，人群构成已过时
端到端深度学习训练	记录长短不一、通道有效性参差	勉强，需要大量清洗
十二导联心电研究	只给三路，且第三路只写 V	不够，无法重建十二导联
个体化血流动力学建模	三路压力加心电，足以驱动简化模型	够，是常见用法之一
呼吸与循环耦合研究	呼吸阻抗与气道二氧化碳两路均保留	够，这在其它库中少见
临床决策或预后预测	无转归、无用药记录、无结构化诊断	不够，结构上做不到

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
你在做多参数心电算法，只有单导联数据可用	提供心电与压力、呼吸信号的同步对照，验证算法在监护场景下的稳定性	先在干净段跑通，再切到含起搏与室早的段做压力测试
你在研究呼吸对心率与血压的调制	呼吸阻抗与气道二氧化碳两路可直接作为呼吸参考	用阻抗包络提取呼吸相位，与心电 RR 序列做锁相分析
你在给机械循环支持装置搭测试台	真实的主动脉压与心室压波形可用于驱动仿真回路	提取若干典型段的压力轨迹作为边界条件
你在做波形生成或重建	250 段八路真实信号，足以训练从心电推压力的模型	先用同一患者的通道配对建模，再试跨患者迁移
你在教学，需要展示监护仪输出长什么样	头文件里连标定脉冲、压力置零、导管冲洗都有注释	取一段含导管操作的事件时间线做讲解
你有一个现代大库，需要一份"老数据"做外部对照	采集年代、设备、人群都不同，天然构成时代对照	明确写清代际差异，不要把差异读成模型退化
你只想找一份十二导联心电	不是这份	换库内其它心电词条

1.5 一句话判断

它是一台三十年前床旁监护仪的存档切片：八路波形同轴录下，事件按分钟标好，既够真实，也够旧。

1.6 不适合谁：四条边界

不适合做现代人群的统计推断。 二百五十名患者来自一家医院的一个时间段，没有抽样设计，也没有加权。任何"某类患者在重症监护中的占比"之类的问题，在这份数据上得到的答案只属于当年那批人。

不适合替代十二导联心电。 三路心电分别是肢体导联 I、II 和一路标为 V 的胸前导联。第三路在多数记录里只写 ECG lead V，具体是 V1 还是 V5，头文件没有逐条交代。想研究 ST 段改变在十二导联上的分布，这份库给不了。

不适合做临床决策类模型。 没有结局变量，没有出院状态，没有用药剂量。能建模的只有波形本身的形态与关联，不能建模"这样监护下去会怎样"。

不适合把通道位置当常量。 部分记录的第 5 至第 8 路被写成 No signal 或 Pressure 这类笼统名字，实际插的是哪根导管要回读注释里的事件时间线才知道（§2.2）。默认"第 4 路一定是动脉压"的代码，在这份库上会静默读到别的信号。

§2 数据构成与规格

2.1 一个扁平目录，一份清单，一套 WFDB 三件套

解压后没有按患者或年份划分的子目录，二百五十条记录平铺在同一层。每条记录由三个文件组成：.hea 头文件是纯文本，第一行写记录名、通道数、采样率与样本总数，随后每个通道一行；.dat 是二进制数据体，八路信号按帧交错存放；.ari 是注释文件，用 WFDB 的注释二进制格式，每条记录一个样本位置和一个标签。

目录里另有一份 RECORDS 清单，每行一个记录名，共二百五十行；一份 ANNOTATORS 声明注释类型为 ari，含义是心搏与事件；以及一份 2019 年补入的 SHA256SUMS.txt 校验文件。没有 README，没有数据字典，也没有患者分层表——所有临床信息都塞在头文件的注释行里。

层级	文件	数量	说明
目录	根目录	1	全部记录平铺，无子目录分流
头文件	mghNNN.hea	250	文本，含通道与患者描述
数据体	mghNNN.dat	250	二进制，8 路交错，12 位有效
注释	mghNNN.ari	250	心搏与事件标签
清单	RECORDS	1	二百五十行记录名
注释声明	ANNOTATORS	1	声明 ari 的含义
校验	SHA256SUMS.txt	1	逐文件哈希
遗留目录	cape	1	CAPE 患者模拟器的软件与文档

cape 目录值得单独说一句。它装的是 CAPE（Computer Aided Patient Emulator），当年数据库设计者写的一套系统，能把存下的波形从 PC 上按实时速度回放出来，用于教学与设备测试。PhysioNet 保留了仅软件的演示版本，并注明含 ISA 总线板卡的完整版需另外向 Cardionics 索取。今天这个目录对多数使用者没有用，但它解释了为什么这个库的头文件里有那么多标定事件——那套回放系统需要标定值才能还原物理量。

2.2 字段与记录的完整字典

这个库没有数据库表，信息分散在两处：头文件的固定格式行，与随后的注释行。固定格式行是给解析器读的，注释行以 # 开头，是给人读的自由文本。下表把两类信息合并列出。

信息项	存放在哪	取值或范围	是否每条都有
记录名	头文件第一行	mgh 加三位流水号	全部
通道数	头文件第一行	8	全部
采样率	头文件第一行	360/0.476，即每秒 360 样本	全部
样本总数	头文件第一行	六位数至七位数	全部
起始时间	头文件第一行	时:分:秒 与 日/月/年	多数记录有
通道文件名	通道行	统一指向同名 .dat	全部
格式码	通道行	212，12 位有符号	全部
增益与基线	通道行	每通道不同，如 12/mV 或 10/mmHg	全部
初始值	通道行	该通道首样本值	全部
通道描述	通道行末	ECG lead I、ART、PAP、CVP 等	全部，部分为 No signal
年龄	注释行	<age> 后两位数	多数记录有
性别	注释行	<sex> 后 M 或 F	多数记录有
诊断	注释行	<diagnoses> 后一句英文	多数记录有
病史	注释行	PERTINENT HISTORY 段	部分记录有
心律	注释行	UNDERLYING RHYTHM 段	多数记录有
心电判读	注释行	ECG INTERPRETATION 段	部分记录有
血流动力学数值	注释行	HEMODYNAMIC DATA 段，如 ART 140/50	部分记录有
呼吸参数	注释行	频率与通气模式	部分记录有
事件时间线	注释行	PROCEDURAL EVENTS 段，按分钟列	心导管类记录多见
心搏标签	.ari 注释	逐搏位置与类型	全部

注释行的写法是自由文本，不是键值对。年龄和性别用尖括号包裹的字段名，方便用正则提取；其余段落只靠大写小节标题分隔。这意味着想做结构化统计，第一件事是写一套容错的正则，而不是直接 read_csv。

2.3 一条记录的完整解剖

以 mgh001 为例。头文件第一行写着 mgh001 8 360/0.476 1376831，按采样率换算，这条记录长约 63.7 分钟。随后八行通道定义依次是：心电 I、心电 II、心电 V、动脉压、肺动脉压、中心静脉压、呼吸阻抗、气道二氧化碳。注释行给出年龄 80、性别女、诊断为颈动脉内膜剥脱术，心律是先天性完全性心脏传导阻滞伴交界性逸搏心律，心率约每分钟 40 次。

mgh001 8 360/0.476 1376831
mgh001.dat 212 1167(-127)/mV 12 0 -1949 1271 0 ECG lead I
mgh001.dat 212 1208(-573)/mV 12 0 -1951 50883 0 ECG lead II
mgh001.dat 212 1121(-1070)/mV 12 0 -1955 64363 0 ECG lead V
mgh001.dat 212 12.06(-1215)/mmHg 12 0 -869 44555 0 ART
mgh001.dat 212 20.72(-1015)/mmHg 12 0 1023 11090 0 PAP
mgh001.dat 212 20.08(-1006)/mmHg 12 0 -1537 53636 0 CVP
mgh001.dat 212 1000 12 0 -784 47520 0 Resp. Imp.
mgh001.dat 212 1000 12 0 -258 35980 0 CO2

通道行的第二位是格式码，212 表示每样本占 12 位、以左对齐存放在 16 位字里；第三位是增益与基线，例如动脉压写作 12.06(-1215)/mmHg，意思是每毫米汞柱对应十二点零六个数字单位，基线偏移为负一千二百一十五；末位是通道描述。呼吸阻抗与二氧化碳两路的增益写的是 1000 且没有单位，表示这两路没有可换算的生理量纲，只能做相对变化使用。

注释文件则是完全不同的形态。它是一串二进制记录，每条占两个字节，低十位是时间差，高六位是标签索引。用注释工具读出来，最初的几十条是这样的：

15  c   calibration pulse
17  #   pressure line flushed
20  x   signal source change
21  w   wedge recording (PCW)
23  *   pop test
24  z   zero pressure
NO CO2 DATA
ALL ZEROS
DATA ON

数字是自上一条起算的样本偏移，中间那个字符是标签，后面是注释器清单里对应的英文说明。心搏标签与这些事件标签混在同一个文件里，靠标签字符区分：心搏用常规的 N、V、A 这类符号，事件用 c、z、* 这类标点符号。

2.4 通道的有效性与三种记录形态

八路并不是每条记录都满。按头文件里的通道描述分，记录大致有三种形态。

形态	通道描述特征	典型记录	使用时的注意事项
标准监护	ECG I/II/V 加 ART、PAP、CVP、Resp. Imp.、CO2	mgh001、mgh100、mgh175	八路齐全，可直接按名索引
导管室	ECG 三路加多个 Pressure 或 Pressure1/2	mgh210	压力路含义需回读事件时间线
缺损	若干路写成 No signal	mgh050、mgh250	该路为占位，不可当信号使用

No signal 是官方自己写在通道描述里的标记，不是解析失败。它的出现意味着当时那根导管没接、传感器没开，或者监护仪对应通道被关掉了。把它当零值参与平均，会得到一段"血压恒为零"的假象。Pressure 这类笼统命名则更麻烦：mgh210 的第 4 至 7 路都叫 Pressure 或 Pressure1/2，实际插的是右心导管的不同节段，要看事件时间线里"PA INSERTION""CATHETER IN PA OUTFLOW TRACT"这类记录才能推断。

2.5 与同类多参数资源的规格差异

公开库里同时存心电与血压的不多，能同时存肺动脉压与气道二氧化碳的更少。下表把本库与库内几条相近记录的规格并列，只比结构，不比质量。

维度	MGH/MF 波形库	多数公开心电库	单参数压力库
主信号	心电加五类压力与气流	仅心电	仅一类压力
同步路数	8	1 至 12	1 至 2
采样率	360 Hz	250 至 1000 Hz	常为 100 至 250 Hz
量化解位	12 位存 16 位	常为 16 位	常为 12 至 16 位
注释内容	心搏加导管与标定事件	多为心搏与节律	少见注释
单条时长	十余分钟至八十余分钟	数十秒至数分钟	数分钟
采集场景	重症、手术室、导管室	门诊或 Holter	多为术中或监护
是否含呼吸参考	是，阻抗与二氧化碳两路	否	否

这张表解释了一个常被忽略的事实：本库的 360 Hz 采样率在压力信号上完全够用，在心电上则偏低。常规心电分析在 250 至 500 Hz 之间都能工作，但要做高频成分（如心室晚电位）就不足。选它之前先想清楚要不要高频——要，就换库。

记录名本身就是唯一的主键，中间不要试图从文件名推出患者编号或日期。流水号只是编号，不保证与采集时间同序：相邻的两条记录，采集日期可能相差两个月。头文件第一行的日期字段才有时间意义，且不是每条都有。

mgh175 8 360/0.476 1257872  6:09:01 05/09/1991

这一行的最后两段是记录起始与日期。日期格式为日/月/年，别按美式的月/日/年去读，否则同一条记录会凭空差出大半年。这一点在跨库合并时间轴时尤其容易踩。

§3 它的身份：一份监护仪输出的集体存档

3.1 谁做的、在哪做的、为什么做

官方页面写明，这份库是麻省总医院的医师、生物医学工程师与护士合作的成果，记录来自重症监护病房、手术室与心导管室三类场景。主页的致谢里点名感谢该院的 Jeffrey Cooper 与 Penny Ford-Carleton，两人负责安排把这些录音通过 PhysioNet 公开。

这是一个典型的"院内工程团队加临床科室"的组合产物：临床方提供场景与判读，工程方负责采集与数字化，护士负责在记录过程中标注事件。三方分工直接体现在数据结构上——波形是工程方的产物，注释里的心律判读是临床方的产物，事件时间线里的"导管置入"“标定”"冲管"是护士与技师的产物。

3.2 时间线：从磁带、CD-ROM 到开放下载

时间	事件	依据
1991	库的介绍文章发表于 J Clinical Monitoring 第 7 卷第 1 期	官方引用
1991 年 7 至 9 月	头文件事件时间戳可见的采集月份	样例头文件
1993 年 7 月	数据体与注释文件的文件时间	官方文件列表
2002 年 6 月 10 日	PhysioNet 以 1.0.0 版发布	官方页面
2017 年 1 月 3 日	五个头文件的信号长度被修正，一个数据体被截断四位	官方更新说明
2019 年 2 月 20 日	补入 SHA256 校验文件	官方文件列表

2017 年那次修订值得记下来。官方说明 mgh026、mgh175、mgh196、mgh199、mgh210 五个头文件里的信号长度与实际数据体大小不符，已更正；同时 mgh210 的数据体被截去四位。这是一次数据层面的更正，意味着在此之前的版本上，这五条记录读出来会长度不齐。版本号仍然是 1.0.0，所以引用时只写版本号不足以定位到修订前后，最好同时写下载日期。

3.3 采集现场：一台监护仪、一根磁带、八个通道

按官方描述，原始信号录在八通道仪表磁带上，回放时以两倍实时速度数字化。原始采样率为每路每秒 1440 个样本，回放时按二倍抽取，得到相对实时的每秒 360 个样本。

这种"先录带、再高速回放"的做法在当年是常态：磁带机便宜、容量大、不受计算机存储限制，而两倍速回放可以把数字化时间减半。代价是必须靠抗混叠把抽取前的带外成分压掉，官方说明用的是低阶模拟抗混叠加高阶数字 FIR 抗混叠的组合，目的是减小相位失真。头文件在同目录下给出 FIR 系数文件 sample8.hea 作为参考。

对使用者来说，这段历史有两个直接后果。其一，所有记录的时间轴是"相对于实时"的，360 Hz 不是任意选的整数，而是 1440 除以 2；按 360 Hz 算出来的每分钟样本数恰好是 21600。其二，通道之间的相位关系是设计过的，同一时刻的心电与动脉压不存在回放错位，跨通道做时序分析是安全的（§4.4）。

3.4 受试者是谁：三类场景、二百五十段监护

官方只给出总数与场景类别，没有给出按场景的分布、按年龄的分布，也没有给出病种构成表。从头文件能读到的个体信息是年龄、性别与一句诊断，这三项多数记录都有，但不是全部。

场景	官方表述	头文件里能见到的线索
重症监护病房	稳定与不稳定患者的床旁监护	呼吸机参数、持续泵入药物的事件行
手术室	术中血流动力学监测	麻醉与体位相关事件行
心导管室	右心与左心导管、冠脉造影	PA INSERTION、PCW、wedge 等事件

心导管室这一类在头文件里最"吵"：事件时间线按分钟罗列，从"SET-UP"开始，一路写下去，中间夹着压力置零与导管位置变化。mgh210 就是这种形态，注释里先写右心导管、左心导管与冠脉造影，再写"起搏心律"“永久性起搏器”，最后逐分钟列出导管操作。这类记录对研究压力波形的解读特别有用，因为每一次压力变化都能对上一次操作。

3.5 与库内其它 PhysioNet 重症资源的对照

资源	与本库的关系	主要差异
MIMIC 系列波形库	同属重症多参数，但年代与规模不同	现代、多中心化程度更高、需资格审核
MIT-BIH 心律失常库	同属心电，注释体系一脉相承	单参数、双导联、以心律失常分类为目标
各类床旁压力库	部分仅含动脉压	本库压力路更多、且有呼吸与气体参考
各类心音与呼吸音库	声学信号，不同模态	不可直接比较

需要强调的是，本库与现代重症数据库之间不是替代关系。MIMIC 一类资源覆盖的是近年、带完整病历与结局的重症患者，本库覆盖的是三十年前的纯波形。前者适合做预测建模，后者适合做信号层面的机制分析。把两者放在一篇论文里，恰当的说法是"跨时代对照"，而不是"外部验证"。

3.6 注释里那几张"手写标签"

头文件的注释段并不统一。有的记录先写 <age>/<sex>/<diagnoses> 一行摘要，再分段写病史、心律、心电判读、血流动力学数值、呼吸参数、操作事件；有的记录只有前一两段，后面直接接事件时间线；也有记录把心电判读拆成"基础心律"“节律紊乱”"心电图判读"三小段。

注释小节	英文标题	记录中出现的频率	内容性质
摘要行	<age> / <sex> / <diagnoses>	多数	一行式人口学与诊断
病史	PERTINENT HISTORY	部分	与本次监护相关的既往史
基础心律	UNDERLYING RHYTHM	多数	主心律与心率估计
节律紊乱	RHYTHM DISTURBANCES	部分	早搏、心动过速等
心电判读	ECG INTERPRETATION	部分	肥大、传导阻滞、ST-T 改变
起搏信息	PACEMAKER INFORMATION	少数	起搏器类型与工作模式
血流动力学	HEMODYNAMIC DATA	部分	各腔室的收缩压与舒张压
呼吸参数	RATE / MODE OF VENTILATION	部分	呼吸频率与通气模式
波形特征	WAVEFORM PATTERNS	少数	定性描述，如炮波、肺动脉高压
操作事件	PROCEDURAL EVENTS	导管室类多见	按分钟罗列的操作与状态变化

这张表不能当字段清单用，只能当"可能的段落"清单用。真实记录里小节的顺序与是否出现都不固定，写解析器时应当按关键词扫描，而不是按行号定位。以 mgh001 为例，它把基础心律写成"先天性完全性心脏传导阻滞伴交界性逸搏心律，约每分钟四十次"，把波形特征写成"房室不同步导致中心静脉压炮波、肺动脉压逆向炮波效应、肺动脉高压"——这两句已经是判读结论，不是原始测量值。

WAVEFORM PATTERNS 这一小节是这份库最特别的地方。它把"波形长什么样"用临床语言写下来，而不是用数字。对做波形生成或形态学分析的人来说，这几句相当于现成的弱标注：它告诉你这一段里存在某种可辨识的形态，而具体位置要靠自己找。

§4 它最独特的东西：八路同轴与分钟级事件

4.1 为什么"同步多参数"比"高采样率"更稀缺

公开心电库里，采样率做到 1000 Hz 的不在少数，做到 12 导联的也不少。但把心电、动脉压、肺动脉压、中心静脉压、呼吸阻抗、气道二氧化碳这六类信号同时录下、同时对时、同时注释的，寥寥无几。

原因不难理解。高采样率只需要换一块采集卡；同步多参数需要患者身上真的插着这些导管，而且这些导管在整段记录期间要一直可用。肺动脉压导管需要右心导管到位，中心静脉压需要颈内或锁骨下置管，气道二氧化碳需要接在呼吸机回路上。任何一路脱落，记录就缺一块。这也解释了为什么本库里 No signal 那么常见——记录长度动辄一小时，中间有导管移位、冲洗、换传感器，在所难免。

4.2 案例：mgh001 这条记录的三层信息

§4.2 的案例取 mgh001，原因是它把三种信息层次同时暴露出来，适合当作读库的样板。第一层是通道结构：八路齐全，没有 No signal，前三路是心电，后五路是压力、阻抗与气体。第二层是临床背景：八十岁女性，颈动脉内膜剥脱术，先天性完全性心脏传导阻滞，交界性逸搏心律约每分钟四十次，伴单灶室性早搏与左房、左室肥厚。第三层是波形细节：中心静脉压曲线上出现"炮波"，官方注释明确指出这是房室不同步造成的，并且这种效应还逆向传到了肺动脉压曲线上。

import wfdb

rec = wfdb.rdrecord("mgh001", pn_dir="mghdb/1.0.0")
ann = wfdb.rdann("mgh001", "ari", pn_dir="mghdb/1.0.0")

print(rec.sig_name)
print(rec.fs, rec.sig_len, round(rec.sig_len / rec.fs / 60, 1), "min")
print(ann.sample[:8], ann.symbol[:8])

这段代码给出三个可以直接引用的量：通道名列表、采样率与样本总数、以及前八条注释的位置与标签。把样本总数除以 360 再除以 60，就得到以分钟计的时长；把注释位置除以 360，就得到以秒计的事件时刻。§4.2 的案例之所以适合当样板，是因为它三段信息都能用同一套代码抽出来，不需要额外的临床字典。

4.3 炮波：一份注释把三路信号串起来

中心静脉压上的"炮波"（cannon wave）是房室不同步的经典征象：心房收缩时三尖瓣关闭，血液回顶到腔静脉，压力曲线上出现一个异常高的 a 波。在这条记录里，患者的房室传导完全阻断，心房与心室各按自己的节律跳，于是炮波以一定的周期出现。官方注释还补了一句：这个效应在肺动脉压曲线上也能看到反向的痕迹。

这句话的价值在于它把三个通道的关系讲清楚了。中心静脉压与肺动脉压都是压力通道，但它们的压力来自不同腔室，正常情况下不应有这种同步的异常。当房室不同步时，右侧心房的压力波动会沿着静脉系统与右心室传下去，在两路压力上留下可以互相对照的痕迹。只看中心静脉压一路，会以为是导管问题；三路同看，才能把它归因到节律上。

4.4 它能支撑的四类实验

实验类型	需要的数据条件	本库是否满足	常见做法
从心电推压力	心电与至少两路压力同步	满足	用同一段做输入输出配对
多模态心搏检测	心电质量不稳、需压力补充	满足	心电与动脉压联合判决
呼吸—循环耦合	呼吸参考与心电、血压同步	满足	阻抗提取呼吸相位，对齐 RR
器械测试与仿真	真实压力轨迹作为边界条件	满足	抽取典型段驱动测试台

四类实验里，第三类是最少被其它库替代的。呼吸阻抗信号在常规心电库里根本不存在，而在本库中它与心电、血压严格同轴。研究呼吸性窦性心律不齐、机械通气对血压变异的影响，这路阻抗是免费的呼吸相位参考（§9.2）。

4.5 边界条件：什么时候它不再适用

当问题涉及高频心电成分时。 360 Hz 的采样率意味着可分析带宽上限在 180 Hz 附近，实际因抗混叠还会更窄。心室晚电位、高频 QRS 这类研究需要 1000 Hz 以上的采样，本库做不到。

当问题涉及人群差异时。 二百五十人、单中心、特定年代，任何"不同人群之间"的比较都缺少足够的组容量。想比较男女、年龄层或病种的差异，样本量会迅速掉到两位数，结论不稳。

当问题涉及临床结局时。 没有结局变量。可以研究波形与波形的关系，不能研究波形与"后来怎样"的关系。

当问题涉及精确的绝对血压时。 压力通道有标定值，但标定质量依赖当时的操作。头文件里的压力置零、标定脉冲事件说明这一路曾被校准过，但没有留下校准误差的量化记录。做绝对压力分析，应先检查每条记录的增益与基线是否与事件时间线一致（§7.3）。

4.6 用注释里的"事件"做弱监督

.ari 里的非心搏记录本身就是一种信号：z 表示压力置零，c 表示标定脉冲，# 表示管路冲洗，w 表示楔压记录。这些事件在波形上都会留下特征——置零瞬间压力曲线出现台阶，标定期间出现方波，冲洗时出现高频尖峰。于是就有了一个不需要逐点标注的弱监督任务：先定位事件，再判断它属于哪一类。

事件标签	含义	波形上的典型痕迹	可做的任务
c	标定脉冲	数秒长的方波平台	自动识别标定段并剔除
z	压力置零	压力基线出现阶跃	基线漂移的分段归因
#	管路冲洗	短时高频扰动	伪迹检测的阳性样本
w	楔压记录	压力波形振幅与形态改变	楔压段识别
*	pop test	短促的过冲	传感器动态响应检查

这张表的价值在于它指出了这份库的一个非常规用法：它不仅能做心电与血压的分析，还能做监护仪操作流程的识别。这类任务在别的库里几乎没有现成材料，因为别的库不保留操作事件。

§5 怎么拿到：从目录遍历到可训练张量

5.1 目录与体积

整库未压缩约 4.2 GB。其中有 250 个头文件（每个 1 至 2 KB）、250 个数据体（小的十一兆余，大的二十余兆）、250 个注释文件（十几到六十余 KB），另加 cape 目录与清单文件。数据体的大小与记录长度近似成正比，八路十二位交错存放意味着每秒约 360 帧、每帧十六字节，即每秒约 5.8 KB，一小时约 20 MB。

5.2 批量获取

三种方式都能拿到同一份内容，一条命令即可。

#-- 方式一：整包下载（4.2 GB）
wget -c https://physionet.org/content/mghdb/1.0.0/mghdb.zip

#-- 方式二：递归抓取目录（只下载需要的部分时可加 --cut-dirs）
wget -r -N -c -np https://physionet.org/files/mghdb/1.0.0/

#-- 方式三：从公开桶同步（无需 AWS 账号）
aws s3 sync --no-sign-request s3://physionet-open/mghdb/1.0.0/ ./mghdb

第三种方式对脚本化流水线最友好：不必先整包落地再解压，也不会因为单次 HTTP 中断而前功尽弃。若只需要若干条记录，可以直接按文件名抓取，例如只取头文件和注释先做索引，再按需拉数据体。

5.3 建立索引

头文件里的注释行是非结构化文本，索引的价值在于把年龄、性别、诊断、通道名抽成列，供后续筛选。

import re
from pathlib import Path

def parse_header(path):
    lines = Path(path).read_text(encoding="utf-8", errors="replace").splitlines()
    head = lines[0].split()
    chan = [l.split()[-1] for l in lines[1:1 + int(head[1])]]
    body = "\n".join(lines[1 + int(head[1]):])
    age = re.search(r"<age>:\s*(\d+)", body)
    sex = re.search(r"<sex>:\s*([MF])", body)
    dx = re.search(r"<diagnoses>:\s*(.+)", body)
    return {
        "name": head[0],
        "fs": head[2].split("/")[0],
        "n": int(head[3]),
        "chan": chan,
        "age": int(age.group(1)) if age else None,
        "sex": sex.group(1) if sex else None,
        "dx": dx.group(1).strip() if dx else None,
    }

rows = [parse_header(p) for p in sorted(Path("mghdb").glob("mgh*.hea"))]
print(len(rows), rows[0]["chan"][:3])

索引里最该保留的是 chan 这一列。它决定了后面对每条记录能做哪几路分析，也决定了哪些记录要因为 No signal 被排除在外。建索引时顺手把通道名归一化成 ecg1、ecg2、ecg3、art、pap、cvp、imp、co2 这八个代号，后面的代码就不必再关心原始拼写的大小写与空格差异。

5.4 切窗与张量

记录长短不一，直接堆成张量需要一个共同的窗长。重症波形分析的常用窗在十秒到六十秒之间：太短则压力波动的低频成分被切掉，太长则计算量上去而对判决帮助不大。

import numpy as np

def windows(rec, win_sec=30, step_sec=15):
    fs = rec.fs
    L, S = int(win_sec * fs), int(step_sec * fs)
    x = rec.p_signal
    out = []
    for i in range(0, x.shape[0] - L + 1, S):
        w = x[i:i + L].astype("float32")
        if np.isnan(w).any():
            continue
        out.append(w)
    return np.stack(out) if out else np.zeros((0, L, x.shape[1]))

p_signal 是已经按增益与基线换算过的物理量，单位随通道而定：心电是毫伏，压力是毫米汞柱，阻抗与二氧化碳没有单位。把不同单位的通道直接送进同一个网络，需要先各自标准化；按通道分别减均值除标准差，比整体标准化更稳。呼吸阻抗与二氧化碳两路的增益写成 1000 且无单位，标准化处理对它们几乎是必需的。

5.5 按场景与通道可用性分组的评测协议

直接随机切分会让同一条记录的不同窗同时出现在训练与测试里，评估结果虚高。更合理的切分单位是记录号，且应先按通道可用性分层。

分层依据	分层方式	目的
记录号	按流水号划训练、验证、测试	避免同患者泄漏
通道完整性	八路齐全与有缺损分两池	保证评测输入同构
场景	监护、手术室、导管室	检验跨场景泛化
注释密度	按 .ari 标签数量分档	避免训练集被长记录主导

第一层最容易做，也最容易漏。同一条 60 分钟记录切成 240 个三十秒窗，若随机分配，测试集里几乎必然出现与训练集相邻的窗，因为相邻窗共享绝大部分样本。按记录切分之后，测试集的样本数会少很多，但结论可信。

5.6 六个最容易出错的地方

其一，把 No signal 当信号读。 该通道在整段里恒为零，参与任何统计都会拉低均值。建索引时就该标记出来。

其二，按位置索引通道。 不同记录的第 5 路可能是肺动脉压，也可能是某个未命名的 Pressure。一律按名字索引，名字缺失时才回退到位置，并在日志里记一笔。

其三，忽略 2017 年的长度修订。 下载的是 2017 年之后的文件则无此问题；若用了旧镜像，mgh026、mgh175、mgh196、mgh199、mgh210 五条会读出错位。

其四，用 360 Hz 做高频分析。 详见 §4.5。

其五，把注释里的所有记录都当心搏。 .ari 里混着标定、置零、冲管、换源这些事件标签，直接按位置取 RR 间期会算出一堆假的短间期。取 RR 前先用标签字符把事件记录滤掉。

其六，把记录时长当固定值。 短的三十余分钟，长的八十余分钟，按固定长度切窗时末尾会剩下一截。要么丢弃，要么补齐后标记，不要静默截断。

5.7 一个能跑通的压力—心电对齐检查

多参数分析的第一步不是建模，而是确认两路信号在时间上真的对齐。做法很简单：取一段一分钟的数据，找心电 R 波位置，再在这些位置上叠加动脉压，看脉压波峰是否稳定落在 R 波之后的一段固定延迟内。

import numpy as np
import wfdb

rec = wfdb.rdrecord("mgh100", pn_dir="mghdb/1.0.0")
ann = wfdb.rdann("mgh100", "ari", pn_dir="mghdb/1.0.0")

idx = {n: i for i, n in enumerate(rec.sig_name)}
ecg = rec.p_signal[:, idx["ECG lead II"]]
art = rec.p_signal[:, idx["ART"]]
beats = ann.sample[ann.symbol == "N"]
beats = beats[(beats > rec.fs) & (beats < len(ecg) - rec.fs)]

lags = []
for b in beats[:200]:
    seg = art[b:b + int(0.6 * rec.fs)]
    if seg.size:
        lags.append(int(np.argmax(seg)))

print(len(lags), float(np.median(lags)), float(np.std(lags)))

输出的中位数是脉压波峰相对 R 波的延迟，单位是样本。正常人这一延迟在百来个样本量级且波动很小；若中位数异常或标准差很大，多半是通道取错了，或者这一段的动脉压管刚冲洗过。这个检查只要两分钟，却能挡掉后面几小时的无效分析。

§6 与库内词条的关系

6.1 关系图谱

这份库在库内处在"重症多参数"与"早期心电"两个标签的交界处。它与心律失常分类类词条的关系是注释体系的同源，与多参数类词条的关系是场景的同源。

关系类型	相关词条方向	具体关系
注释体系	MIT-BIH 心律失常库	同一套 WFDB 注释机制，标签风格相近
场景	重症与监护类波形资源	同为床旁多参数，但年代更早
信号类型	动脉压、肺动脉压类资源	本库压力路更全，且带呼吸参考
平台	PhysioNet 其它 Open Access 资源	同平台、同许可、同取数方式
年代	早期心电库	同为上世纪九十年代前后的采集

6.2 检索路径

若你想找的是"一份能同时看到心电与血压的数据"，路径是从生理信号类目进，再按"多参数"筛选；若你想找的是"一份可用于心律失常检测的老心电"，路径是从心电类目进，再按年代筛选。两条路径都会落到这个库，但看的东西完全不同：前者看通道结构，后者看注释标签。

检索时值得用的关键词有三组：机构缩写（MGH、Marquette）、信号类型（hemodynamic、critical care waveform）、格式（WFDB、PhysioNet）。只用机构缩写容易漏掉同院其它资源，只用信号类型容易混入现代的监护数据库，三组一起用最准。

6.3 与库内心电词条的分工

库内心电词条大多以"心律分类"或"心电身份"为主题，本库与之的分工很清楚：前者回答"这一拍是什么"，后者回答"这一拍发生的时候，血压和呼吸在做什么"。两者叠加使用，才构成一次完整的多参数观察。若研究对象是单导联的形态学，用专做心电的词条更直接；若研究对象是循环与呼吸的耦合，本库几乎不可替代（§4.4）。

§7 质量评估与局限性

7.0 阅读本节前的一个前置校正

在给这份库打分之前，要先校正一个常见的误判：把它当"数据集"来评，而不是当"存档"来评。数据集的评价标准是覆盖度、标注密度、可用性；存档的评价标准是保真度、可追溯性、上下文完整度。若用覆盖度去衡量一份 1990 年代的院内存档，结论必然是"人群太窄、通道太少、没有结局"——这些都对，但没有解释力。

把口径摆正之后，评价的落点就变成三件事：它保存下来的东西，今天还能不能找到第二份；它标注的东西，是不是当年的现场人员标的；它的缺陷，是设计取向还是疏漏。三个问题的答案，决定了它适合被当作什么用。

7.1 五维评分

若把数据交换标准（DAIMS）常被追问的几个维度——可发现、可访问、可互操作、可复用、可追溯——拿来当评分框架，本库的长短恰好分布得很清楚。

维度	评分	依据
可发现	高	有 DOI、有平台收录、有文献引用锚点
可访问	高	无需登录，整包可下，许可明确
可互操作	中	格式标准，但通道命名不统一、注释为自由文本
可复用	中高	许可宽松、工具链成熟，但需要大量清洗
可追溯	中	有采集机构与年份，无原始病历与设备型号

DAIMS 这套框架关心的正是"这份数据在交换与复用时会不会掉信息"。本库在可发现与可访问两项上接近满分，原因是它上线早、挂在了被广泛引用的平台上；在中后三项上则体现出典型的老库特征：格式已经标准化，内容却留在了当年的自由文本里。

7.1.1 五个维度里的两条短板

短板之一是可互操作。WFDB 本身是标准，但本库把语义留在了自由文本里：通道名有 ECG lead I、ECG I、ECG Lead I 三种大小写写法，压力通道有的写 ART 有的写 Pressure，注释段落标题的措辞也不统一。任何跨记录聚合都要先做归一化，否则同一路信号会被拆成三四个类别。

短板之二是可追溯。可追溯到机构与年份，却无法追溯到具体病历、具体设备型号、具体导管规格。头文件能告诉你这位患者做过右心导管，不能告诉你用了哪一根导管、测压传感器是外置还是内置。对波形形态研究影响有限，对器械研究则可能是关键缺口。

短板	具体表现	缓解办法
语义不统一	通道名大小写与措辞不一致	建索引时统一映射到八个代号
段落标题不统一	注释小节标题措辞随记录变化	用关键词而非精确标题匹配
无设备型号	头文件不记监护仪与传感器型号	在方法段写明库级不确定性
无导管规格	只记"置入导管"，不记编号	用事件时间线做定性推断
无量化标定误差	只记标定发生过	优先分析相对变化

7.2 注释的真实覆盖范围

注释文件命名很朴素，ANNOTATORS 里只写了一个 ari，含义是心搏和事件。官方对它的说明也很克制：这些注释是为了帮助使用者定位记录中有意思的片段而提供的，编写过程认真，但仍可能含有少量错误。

这句话要读两遍。第一遍读出的是"有注释"，第二遍读出的是"注释是为了定位片段，不是为了逐搏校验"。这意味着把它当逐搏真值使用时，需要有后备核对手段——比如用动脉压的重搏切迹反查心搏位置，或用多路信号投票。官方自己也承认错误可能存在，这正是它没把自己定位成基准库的原因。

7.3 已知的、可枚举的偏差

偏差	表现	影响	应对
时代偏差	采集于 1990 年代初	监护设备、导管、用药与今天不同	明确写成时代对照
中心偏差	单一医院	人群与操作习惯不代表其它机构	补充多中心数据
场景偏差	重症、手术、导管室三类	不代表门诊或居家	不用于院外推断
通道缺损	存在 No signal 占位	均值与相关性被拉偏	索引时标记并剔除
命名不一致	Pressure、Pressure1/2 等笼统名	按位置索引会读错信号	强制按名索引
注释误差	官方承认可能有少量错误	逐搏真值不可直接采信	多信号交叉核对
采样上限	360 Hz	高频成分不可分析	换库或降级分析目标
标定质量	无量化误差记录	绝对压力可能偏	优先用相对变化

八条偏差里，前三条属于采集设计的固有属性，改不了；后五条是使用层面的坑，可以在流程里处理掉。写作与建模时，最有价值的是把前三条写在方法段，把后五条写成清洗步骤。

7.4 外部验证矩阵

验证方式	是否可行	说明
与其它库对照人群构成	部分可行	只能比大致年龄段与病种关键词
与其它库对照波形形态	可行	心电形态在不同库间可比
重复测量检验	不可行	每患者仅一段，无重复
专家二次判读	可行	心电判读可重新做，成本可控
与器械台架对照	可行	压力轨迹可复现于测试台
与病历对照	不可行	无病历可回溯

第三行是这份库的结构性缺口。做测量一致性研究时，重复测量是常用手段；这里每位患者只有一段记录，无法在同一人身上做重复，只能在不同人之间做。第四行反而是它的优势——心电判读可以请现代医师重做一遍，与头文件里的原始判读对照，得到一份"三十年前后判读差异"的研究。

7.5 它为何能持续：一份没有替代品的老存档

公开库里做多参数重症波形的不多，做成这样"八路同轴、事件按分钟标注、能追溯到具体患者、还附一套回放软件"的更少。它的价值不在于样本量，而在于那些已经不会再被复现的采集场景：右心导管在位时肺动脉压与心电的同轴记录、气囊反搏运行时的压力形态、导管冲洗与置零在波形上留下的瞬时扰动。这些东西在任何新采集的数据库里都很难再凑齐，因为现代导管室与监护病房的操作流程、设备与记录方式都已改变。

它之所以能持续存在，靠的是三点：许可足够宽松，任何人可以下载并再分发；格式足够标准，WFDB 从 1990 年代用到现在，读取工具没有断代；上下文足够完整，头文件里那些看似啰嗦的事件行，让三十年后的使用者仍能还原当时发生了什么。

§8 生态位与历史

8.1 历史沿革：从仪表磁带到一个 DOI

这段历史可以按介质来分：磁带期、光盘期、网络期。磁带期是采集现场，八通道仪表磁带是唯一载体，回放与数字化靠专用设备。光盘期是分发期，十张 CD-ROM 里装着数字化后的数据、CAPE 软件、早期 WFDB 工具，以及一份从 MIT-BIH 心律失常库摘出来的示例片段。网络期从 2002 年开始，数据被挂到 PhysioNet 上，CD-ROM 里的 bin、lib、mitdb 三个目录没有随之上线，因为其中的工具早已被更好的版本取代。

三个阶段里，最容易被忽略的是光盘期。官方说明 CD-ROM 里除数据外还有一批 MS-DOS 时代的 WFDB 应用程序与库，这些程序今天已无用，但它们的存在说明这份数据从一开始就是"带工具发布"的——这在 1990 年代是相当超前的做法（§8.3）。

8.2 与后续研究的关系

从欧洲 PMC 检索可见，本库在近年的论文里出现的位置相当固定：要么作为多参数信号的真实性来源，要么作为波形生成模型的训练或评测数据。有把心电与动脉压、肺动脉压联合做心搏检测的隐马尔可夫模型工作，有把心电生成动脉压、中心静脉压、肺动脉压的深度自编码器工作，也有把库中正常与心律失常段拿来驱动体外循环仿真回路的研究。这些用法有一个共同点：都把它当"信号的真实样本"，而不是"人群的统计样本"。

这条脉络解释了它的生态位。它不是用来回答"重症患者群体长什么样"的，而是用来回答"真实的重症波形长什么样"。前者需要大规模、多中心、带结局；后者只需要一段够真、够全、够同步的记录。

8.3 生态位：一个带说明书的标本盒

用一句话定位：它是标本盒，不是标本库。盒子里二百五十份标本，每份都附一张手写标签——这位是谁、多少岁、当时在做什么、哪一分钟插了导管。标本本身不可复制，标签则是它最值钱的部分。

这个定位带来一个实用推论：使用者应当优先读标签，再读波形。头文件里的那十几行注释，往往比波形本身更能决定这段记录值不值得用。想找起搏心律，注释里写了"永久性起搏器"；想找气囊反搏，注释里会提；想找导管操作，事件时间线按分钟列好。先读标签再取数，能省掉大量试错。

再补一层：标本盒的价值随时间上升，而不是下降。新采集的数据每年都在增加，九十年代初的磁带录音不会再增加。当研究问题转向"多参数波形在三四十年前长什么样""当年的导管操作在压力曲线上留下什么痕迹"时，可选范围只会缩小。这种稀缺性是它至今仍被引用的结构性原因，与样本量无关。

8.4 谁在用它，用来做什么

使用者类型	典型用途	需要额外准备
信号处理研究者	心搏检测、波形重建、去噪	自建切分与清洗流程
器械与仿真工程师	压力轨迹作为测试台边界条件	挑选典型段并做幅值缩放
教学人员	演示监护仪输出与临床事件的对应	准备事件时间线的讲解材料
数据平台建设者	作为 WFDB 格式的样例数据	无，工具链现成
方法学论文作者	作为"真实多参数信号"的对照	明确写出年代限制

五类使用者里，第四类最容易上手，因为他要做的事恰好是这个库最擅长的：把数据读进来、画出来、验一遍格式是否一致。第一类最辛苦，因为清洗工作量大。第三类最受益，因为事件时间线本身就是现成的教案。

§9 使用指引

9.1 三种角色的路径

角色	起点	第一个产出	常见卡点
算法工程师	先读 §2.2 的字段字典与 §5.3 的索引脚本	一份带通道归一化的索引表	忽略 No signal 与笼统通道名
临床研究者	先读目标记录的头文件注释	一段可复述的临床背景	把注释误当结构化诊断
教学与平台人员	先跑 §5.2 的单记录读取	一张八路并排的总览图	以为 360 Hz 是整数巧合

三个角色的路径差异很大，唯一共同的第一步是"先读头文件"。这一点在别的库上未必成立——很多库的结构化字段表足够完整，跳过注释也能干活；在这个库上不行，因为一半以上的关键信息在注释里。

9.2 一条最短的可用流程

从零到能画出一张八路总览图，只需要四步。

#-- 第一步：取一条记录的头文件与注释，先看结构
curl -s https://physionet.org/files/mghdb/1.0.0/mgh001.hea

#-- 第二步：装好 WFDB 工具（Python 版即可）
pip install wfdb numpy matplotlib

import wfdb
import numpy as np
import matplotlib.pyplot as plt

rec = wfdb.rdrecord("mgh001", pn_dir="mghdb/1.0.0")
ann = wfdb.rdann("mgh001", "ari", pn_dir="mghdb/1.0.0")

fs = rec.fs
start = int(20 * fs)
seg = rec.p_signal[start:start + 10 * fs, :]

fig, axes = plt.subplots(8, 1, figsize=(10, 10), sharex=True)
t = np.arange(seg.shape[0]) / fs
for k, ax in enumerate(axes):
    ax.plot(t, seg[:, k], lw=0.6)
    ax.set_ylabel(rec.sig_name[k], fontsize=7)
axes[-1].set_xlabel("seconds")
fig.tight_layout()
fig.savefig("mgh001_8ch.png", dpi=150)

三个变量值得留意。rec.sig_name 是通道名列表，正是 §6.2 里说"最该保留"的那一列；start 取第二十秒，是为了跳过记录开头常见的标定脉冲；sharex=True 保证八路共用一条时间轴，这与 §3.3 说的"通道间无回放错位"相呼应。§4.2 的案例用同一套代码即可复现它的三层信息。

第四步是核对：把图上可见的心搏位置与注释里的样本位置对齐，若偏差超过几个样本，说明通道选错了或者过滤出了问题。

9.3 引用方式

字段	内容	用途
数据集	Welch JP, Ford PJ, Teplick RS, Rubsamen RM. The Massachusetts General Hospital-Marquette Foundation Hemodynamic and Electrocardiographic Database — Comprehensive collection of critical care waveforms. J Clinical Monitoring 7(1):96-97 (1991)	原始文献，官方指定的引用对象
平台	Pollard T 等，PhysioNet as a global platform for biomedical research	平台引用
版本	MGH/MF Waveform Database v1.0.0	精确定位
标识	DOI 10.13026/C26K5Q	可解析链接
许可	ODC-BY 1.0	署名要求

官方在这份库上没有单独的数据集论文，只在 PhysioNet 页面上给出上面那篇 1991 年的介绍文章作为"使用本资源时应引用的原始出版物"。所以引用时基本就是两行：一行致敬原始文献，一行写平台、版本与 DOI。三点需要注意：版本号自 2002 年以来一直是 1.0.0，但 2017 年做过内容修订，写清下载日期更稳妥；DOI 指向 v1.0.0，带 DOI 的引用已隐含版本；许可要求署名，商用同样需要。

9.4 复现一份最小报告的四步检查

检查点	预期	不符时的常见原因	处理
通道数	8	头文件被截断或读到的是别的库	用 rdheader 重新读
采样率	360	手写了 250 或 500	一律从 fh.fs 取
注释记录	心搏为主，事件为辅	未按标签字符过滤	先过滤再算 RR
日期字段	日/月/年	按美式日期解析	显式指定 dayfirst

第三步之所以排在日期之前强调，是因为它对下游影响最大。RR 间期一旦混入事件记录的位置差，得到的序列里会出现若干毫秒级的"心搏"，任何心率变异性分析都会被这些假间期带偏。过滤逻辑很简单：只保留标签字符属于心搏集合的记录，其余丢弃并单独存档，供事件对齐使用。

9.5 三类人群的最短路径

只想要一张图。 装 WFDB，读一条记录，取一段三十秒，八路并排画出来，二十分钟内能完成。这条路径不需要建索引，也不需要处理缺损通道，适合第一次接触这份数据的人建立直觉。

要一份可训练的张量。 先跑附录 D 的索引脚本，把 250 条记录分成通道齐全与缺损两池；再按记录号切分训练、验证、测试；最后按 §5.4 的窗函数切片并逐通道标准化。这条路径的关键是"按记录切分"，不是"按窗切分"。

要一份跨库对照实验。 先确定对照的问题是什么——是人群、是波形形态、还是采集年代。若是年代，本库提供的是九十年代初的一段切片；若是波形形态，只需挑几类有代表性的记录。切忌把整库灌进现代模型再声明"外部验证"，那会把时代差异与领域差异混在一起。

路径	最少步骤	主要风险
只看图	读一条记录，画八路	选错时间窗，落在标定段
建张量	索引、分层、切窗、标准化	按窗随机切分导致泄漏
跨库对照	定问题、挑记录、写清差异	把时代差异读成模型退化

9.6 复现性清单：别人能不能照你的描述重建

一篇用到本库的论文，若想让别人照着重跑，需要的不是更多数字，而是把"怎么从 250 条里挑出你用的那几条"写清楚。下表按可操作性排列。

必写项	为什么必须写	常见缺漏
使用的记录名	库内流水号本身不表意	只写"选取若干条"
通道名与归一化方式	同一路写法不统一	只说"心电与血压"
是否剔除缺损通道	影响样本量与均值	不作说明
切窗长度与步长	直接决定样本数与泄漏风险	只给窗长不给步长
切分单位	按记录切与按窗切结论不同	只写"随机划分"
注释过滤规则	事件记录混入会污染 RR	未交代
采集年代的处理	时代差异是结论的一部分	混入"外部验证"
下载日期	2017 年修订过内容	只写版本号

八项里最容易被忽略的是最后一项。版本号自 2002 年以来没变过，但 2017 年修正过五个头文件的长度并截断了一个数据体。若审稿人用的是修订前的镜像，同一条记录读出来长度不同，切窗结果自然不同。写清下载日期，成本极低，收益很大。

§10 AI 使用声明

项目	内容
写作方式	由人工智能辅助撰写，人工校核事实与表述
事实来源	官方项目页、RECORDS 清单、ANNOTATORS 声明、头文件与注释文件、欧洲 PMC 检索结果
未使用的手段	未下载全量数据做分布统计，未做频次、空值率或逐条样本明细分析
数字口径	官方页面与头文件给出什么就写什么，不推断不补全
不确定项处理	标注"官方未公布"或"工作假设"，不写成事实
表格中的预期值	明确标注为几何推断或工作描述，与官方结论分开
封面图	由生成模型按风格提示词产出，不含真实数据
更新责任	若官方页面修订，以官方为准，本页随之更新

常见误读（避坑清单）

说法	实际	证据
MGH 是某个模型或指标缩写	是 Massachusetts General Hospital 的机构缩写	官方标题展开
MF 是文件格式	是 Marquette Foundation 的基金会缩写	官方标题与引用文献
这是一份十二导联心电库	只有三路心电，另五路为压力与呼吸信号	头文件通道行
每条记录都是八路满信号	存在 No signal 占位通道	mgh050、mgh250 头文件
采样率是 500 Hz 或 1000 Hz	每秒 360 样本	头文件第一行
注释是逐搏金标准	官方称其为定位片段之用，可能含少量错误	官方数据描述
记录时长统一为一小时	十余分钟至八十余分钟，多数约一小时	官方数据描述
是现代重症患者的代表样本	1990 年代初单中心 250 人	引用文献年份与头文件时间戳
有结局与用药记录	只有波形、注释与一句诊断	目录结构
整库不到一吉字节	未压缩约 4.2 GB	官方文件列表

FAQ

问：MGH 到底指什么？
答：Massachusetts General Hospital，即麻省总医院。它不是"Mass General Hospital"的随意缩写，也不是某个算法或指标的代号。与之并列的 MF 指 Marquette Foundation，两家机构合作产出了这份库，官方全名把两个缩写用斜杠连在一起（§1.2）。

问：它和公开的心电数据库有什么根本不同？
答：多数公开心电库只存心电，本库存的是床旁监护仪同时打出的八路波形，心电只占三路。它更接近一台监护仪的输出切片，而不是一份心电图归档。也因此，它的注释里除了心搏还有导管与标定事件。

问：八路信号具体是哪八路？
答：典型记录是心电 I、心电 II、心电 V、动脉压、肺动脉压、中心静脉压、呼吸阻抗、气道二氧化碳。部分记录把后几路换成颅内压、左房压、心室压或主动脉内球囊压，也有记录出现 No signal 占位（§2.4）。

问：记录里的注释能直接训练心搏检测器吗？
答：可以研究，但要先做两件事。一是按标签字符把标定、置零、冲管这类事件记录滤掉，只留心搏记录；二是抽查心搏位置是否落在 QRS 上，因为官方明确说注释可能含少量错误（§7.2）。

问：为什么每条记录长度不一样？
答：它们本来就是一段连续的床旁监护，起止由当时的操作决定，不按固定时长裁剪。官方说明在十余分钟到八十余分钟之间，多数约一小时。使用时按固定窗长切分，需要处理末尾剩余。

问：采样率为什么是 360 Hz 这个数？
答：因为原始采样是每秒 1440 个样本，回放时按二倍抽取，得到每秒 360 个样本。这个数字不是为心电分析挑的最优值，而是两倍速回放加二倍抽取的直接结果（§3.3）。

问：能否直接用于现代临床模型训练？
答：不建议单独使用。记录来自 1990 年代初的单中心监护人群，没有结局变量，通道有效性也不齐。把它当代时代对照或外部验证集合适，当主训练集则容易把当年的监护习惯与设备特性学进去。

问：为什么不给出总时长？
答：官方只说明单条时长范围与整库体积，没有给出总小时数。要得到总时长须逐条读取 250 个头文件相加，那属于统计工作，不在本页范围内（§4.5 讨论过它不给出的人群分布）。

问：有性别、年龄这些人口学信息吗？
答：多数记录的头文件注释里有年龄与性别，格式是尖括号包裹的字段名加数值。但不是每条都有，也没有结构化字段表。做分层分析前要先把缺失记录下来。

问：这套数据有配套软件吗？
答：有，cape 目录里有 CAPE 患者模拟器的演示版本与文档，可以把存的波形按实时速度回放。含 ISA 总线板卡的完整版需向 Cardionics 索取。今天多数人用不到它，但它是这个库"带工具发布"传统的证据（§8.1）。

问：和现代的重症波形数据库怎么选？
答：看问题。要结局、要人群、要现代设备，用现代库；要真实的多参数同步波形、要能逐分钟对上临床操作，用这份。两者不是替代关系，跨时代并置时写"时代对照"更准确（§3.5）。

问：头文件第一行的日期该怎么读？
答：日/月/年。例如 mgh175 写作 05/09/1991，指 1991 年 9 月 5 日，不是 5 月 9 日。格式是欧洲写法，跨库合并时间轴时若用默认的美式解析，整条记录会差出四个月（§2.1）。

问：为什么很多记录没有起止日期？
答：采集与数字化是分批完成的，头文件里的日期字段并非每条都填。缺日期的记录只能靠流水号与内容推断大致顺序，不能当精确时间使用。这一点在做时代分层时必须承认。

术语表

术语	英文	在本库中的含义
波形数据库	waveform database	以连续生理信号为主体的数据库
血流动力学	hemodynamic	血压、心输出等循环相关参数的统称
动脉压	arterial pressure, ART	动脉置管测得的压力波形
肺动脉压	pulmonary arterial pressure, PAP	右心导管测得，反映肺循环压力
中心静脉压	central venous pressure, CVP	上腔或下腔静脉近心端压力
呼吸阻抗	respiratory impedance	胸廓阻抗随呼吸的变化，用作呼吸相位参考
气道二氧化碳	airway CO2	呼吸回路中二氧化碳浓度波形
颅内压	intracranial pressure, ICP	部分记录中的脑室内或实质压力
左房压	left atrial pressure, LAP	部分记录中经房间隔穿刺测得
气囊反搏	intra-aortic balloon pump, IABP	主动脉内球囊反搏的压力通道
楔压	wedge pressure, PCW	肺动脉楔入压，反映左房充盈压
炮波	cannon wave	房室不同步时中心静脉压上的异常 a 波
标定脉冲	calibration pulse	记录开头用于换算物理量的方波
压力置零	zero pressure	把当前压力当作参考零点的操作
记录	record	一名受试者一段监护的完整信号单位
头文件	header file	WFDB 文本描述文件，后缀 hea
数据体	data file	WFDB 二进制文件，后缀 dat
注释文件	annotation file	心搏与事件标签，后缀 ari
注释器	annotator	注释的类型声明，本库仅 ari
抽取	decimation	降低采样率，本库为二倍
抗混叠	anti-aliasing	抽取前压制带外成分的滤波
相位失真	phase distortion	滤波引起的不同频率成分相移
采样率	sampling rate	每秒样本数，本库 360
量化解位	bit depth	有效位数，本库 12 位存于 16 位
物理量换算	physical conversion	按增益与基线把数字换算成毫伏或毫米汞柱
占位通道	placeholder channel	描述为 No signal 的有效性为零通道
主键	primary key	记录名，全库唯一
日/月/年	DD/MM/YYYY	头文件日期格式，非美式
时代偏差	era bias	采集年代与当代临床实践不同带来的偏差
开放许可	ODC-BY 1.0	允许包括商用在内的使用，需署名

附录 A：核心数字核对表

项	值	来源	来源层级
患者数	250	官方摘要与 RECORDS	官方
记录数	250	RECORDS 逐行	官方
每记录通道数	8	头文件第一行	官方
采样率	每秒 360 样本	头文件第一行	官方
原始采样率	每秒 1440 样本	官方数据描述	官方
量化解位	12 位	通道行格式码 212	官方
单条时长范围	十余分钟至八十余分钟	官方数据描述	官方
常规心电路数	3	头文件通道行	官方
常规压力与气流路数	5	头文件通道行	官方
整包体积	未压缩约 4.2 GB	官方页面	官方
版本	1.0.0	官方页面	官方
发布日期	2002-06-10	官方页面	官方
最近内容修订	2017-01-03	官方更新说明	官方
许可	ODC-BY 1.0	官方页面	官方
DOI	10.13026/C26K5Q	官方页面	官方
引用文献年份	1991	官方引用	官方
每秒样本数（换算）	21600	360 乘 60	推导
示例记录	mgh001 约 63.7 分钟	样本数除以采样率	推导
示例记录	mgh210 约 82.7 分钟	样本数除以采样率	推导

附录 B：数字的来源分层

层级	含义	本页涉及的数字
官方页面	PhysioNet 项目页与其文件列表直接给出	患者数、通道数、采样率、时长范围、体积、版本、日期、许可、DOI
官方文件	头文件、RECORDS、ANNOTATORS 的内容	样本总数、通道名、增益与基线、年龄性别诊断、事件时间线
论文摘要	欧洲 PMC 检索到的相关研究	库在文献中的典型用途，不作规模数字来源
推导	由官方数字直接换算	每秒 21600 样本、单条时长换算、每秒约 5.8 KB 的体积估算
工作假设	依据注释提出、官方未验证	导管室记录的通道归属推断、Pressure 序列的节段猜测

前两层可直接引用；第三层只用于说明生态位；第四层可复算，写论文时若要引用应自行计算；第五层必须写明是推断。

附录 C：完整参考文献

序号	文献	用途
1	Welch JP, Ford PJ, Teplick RS, Rubsamen RM. The Massachusetts General Hospital-Marquette Foundation Hemodynamic and Electrocardiographic Database — Comprehensive collection of critical care waveforms. J Clinical Monitoring 7(1):96-97, 1991.	官方指定的原始文献
2	PhysioNet. MGH/MF Waveform Database v1.0.0. 2002-06-10. DOI 10.13026/C26K5Q.	官方数据页
3	Pollard T, Moody BE, Lehman L, Gow B, Fernandes C, Xie C, Johnson A, Mark RG, Heldt T. PhysioNet as a global platform for biomedical research. Nature Health, 2026.	平台引用
4	Goldberger A, et al. PhysioBank, PhysioToolkit, and PhysioNet. Circulation, 2000.	WFDB 与平台背景
5	Open Data Commons. Attribution License v1.0.	许可文本
6	欧洲 PMC 检索结果（主题词 MGH/MF），含多参数心搏检测、波形生成与器械仿真类研究	生态位说明

附录 D：任务代码

一段把全库读成索引、再按通道可用性分池的完整脚本。

import re
from pathlib import Path

CODES = {
    "ECG": "ecg", "ART": "art", "PAP": "pap", "CVP": "cvp",
    "RESP": "imp", "CO2": "co2", "ICP": "icp", "PRESSURE": "prs",
}

def normalize(name):
    key = name.upper().replace(".", " ").strip()
    for k, v in CODES.items():
        if k in key:
            return v
    if key in ("NO SIGNAL", "NO SIGNAL "):
        return "none"
    return "other"

def read_one(path):
    lines = Path(path).read_text(encoding="utf-8", errors="replace").splitlines()
    h = lines[0].split()
    nch = int(h[1])
    chans = []
    for l in lines[1:1 + nch]:
        parts = l.split()
        chan = " ".join(parts[8:]) if len(parts) > 8 else ""
        chans.append(normalize(chan))
    body = "\n".join(lines[1 + nch:])
    age = re.search(r"<age>:\s*(\d+)", body)
    sex = re.search(r"<sex>:\s*([MF])", body)
    return {
        "name": h[0],
        "n": int(h[3]),
        "chans": chans,
        "valid": sum(1 for c in chans if c not in ("none", "other")),
        "age": int(age.group(1)) if age else None,
        "sex": sex.group(1) if sex else None,
    }

rows = [read_one(p) for p in sorted(Path("mghdb").glob("mgh*.hea"))]
full = [r for r in rows if r["valid"] == 8]
partial = [r for r in rows if 0 < r["valid"] < 8]
empty = [r for r in rows if r["valid"] == 0]
print(len(rows), len(full), len(partial), len(empty))

脚本里有两点是刻意的。第一，normalize 在匹配不到已知代号时返回 other 而不是报错，因为 No signal 与 Pressure 这类名字在头文件里大小写与空格都不统一，硬匹配会漏。第二，read_one 用 len(parts) > 8 判断通道描述是否存在，因为有些记录的通道描述为空，直接取最后一个字段会把增益值当成名字。

跑完之后，full、partial、empty 三个列表就是后续分层评测的基础。§5.5 的评测协议里说的"按通道完整性分两池"，具体到代码就是这个划分。

附录 E：如果只记五件事

序号	要点
一	MGH 是麻省总医院，MF 是 Marquette Foundation，两个机构缩写拼成的库名
二	250 名患者，每人 8 路同步波形，心电只占 3 路，其余是压力、呼吸与气体
三	每秒 360 样本，来自 1440 采样二倍抽取，别指望高频心电分析
四	注释含心搏与事件两类，官方承认可能有少量错误，用作定位而非逐搏真值
五	1990 年代初单中心存档，适合做真实多参数信号与时代对照，不适合做人群推断

编辑说明

本页按 v4 编辑纪律撰写：只写规模、结构、边界三类数字，不做分布统计与逐条样本明细；官方自相矛盾处并列两口径，不下判断。页面中的时长换算、体积估算与通道归一化均标注为推导，与官方表述分开。若 PhysioNet 页面后续修订版本号或更新文件列表，以官方为准，本页随之更新。

---

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：

• pulsedb — 共享标签：生理信号 / 心电信号 / 电子健康记录 / 重症监护
• barcelona-sicu-signals — 共享标签：生理信号 / 电子健康记录 / 重症监护
• tpehgdb — 共享标签：生理信号 / 心电信号 / 电子健康记录
• cinc-2015 — 共享标签：生理信号 / 心电信号 / 电子健康记录 / 重症监护
• mover — 共享标签：生理信号 / 心电信号 / 电子健康记录 / 重症监护
• mimic-iv-ext-ecg-glucose — 共享标签：生理信号 / 心电信号 / 电子健康记录 / 重症监护
• ob1db — 共享标签：生理信号 / 心电信号 / 电子健康记录
• sicdb — 共享标签：生理信号 / 电子健康记录 / 重症监护
• mc-med — 共享标签：生理信号 / 电子健康记录 / 重症监护
• vtac — 共享标签：生理信号 / 心电信号 / 重症监护

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。