PTB-XL-Image-17K：用于深度学习基于图像的心电图数字化的大规模合成ECG图像数据集
计算机视觉与模式识别
2026-03-24 v2
摘要
心电图（ECG）数字化——将纸质或扫描ECG图像转换回时间序列信号——对于利用现代深度学习应用中的数十年临床数据至关重要。然而，由于缺乏提供ECG图像及其对应地面真值信号并具有全面注释的大规模数据集的限制，进展受到阻碍。我们引入PTB-XL-Image-17K，一个由17,271个高质量12导联ECG图像组成的完整合成ECG图像数据集，这些图像是从PTB-XL信号数据库生成的。我们的数据集独特地为每个样本提供五种互补数据类型：（1）具有真实网格图案和注释的逼真ECG图像（50%可见网格，50%不可见），（2）像素级分割掩码，（3） ground truth时序信号，（4）用于导联区域和导联名称标签的YOLO格式边界框注释，（5）包括视觉参数和患者信息的全面元数据。我们提供了一个开源的Python框架，支持可自定义的数据集生成，包括纸张速度（25/50 mm/s）、电压比例（5/10 mm/mV）、抽样率（500 Hz）、网格外观（4种颜色）以及波形特征。该数据集实现了100%的生成成功率，平均处理时间为1.35秒/样本。PTB-XL-Image-17K通过提供支持完整流程（导联检测、波形分割和信号提取）的第一大规模资源，弥补了ECG数字化研究中的关键空白，提供完整的地面真值以进行严格的评估。该数据集、生成框架和文档均公开available at https://github.com/naqchoalimehdi/PTB-XL-Image-17K 和 https://doi.org/10.5281/zenodo.18197519。
引用
@article{arxiv.2602.07446,
title = {PTB-XL-Image-17K: A Large-Scale Synthetic ECG Image Dataset with Comprehensive Ground Truth for Deep Learning-Based Digitization},
author = {Naqcho Ali Mehdi and Aamir Ali Drigh},
journal= {arXiv preprint arXiv:2602.07446},
year = {2026}
}
备注
8 pages, 4 figures, dataset paper