阅读ECG论文记录（二）

Automated Heartbeat Classification Exploiting Convolutional Neural Network With Channel-Wise Attention

创新点： ①提出了一种基于CNN的特定病人心跳分类方法。定制的神经网络提取不同接收场的多个空间特征和通道信息，提高分类性能。
    ②提出了一种记录内样本聚类方法，该方法有利于从数据库中选择具有代表性的训练节拍，高准确度，特别是对病理性搏动的检测
心拍分割： 数据库中标记的R峰的位置，从前一个R峰后的0.14s（50个点，采样率360）分割到下一个R峰前的0.14s
预处理： ①减少基线漂移：采用均值减（从每个点减去样本的平均值）来确保每个心跳段的值具有零均值
    ②考虑到不同的生理意义和波的可能叠加，每段心跳被分为三个子段（前QRS、QRS复合波和后QRS）。由于难以准确检测到QRS波群的边界，根据QRS波群的基本时间特征，将分离点分别设置为R峰前后的0.09s（采样率360的32个点）。QRS子段的长度是固定的（64），通过重采样将QRS子段的前QRS子段和后QRS子段缩放到与QRS子段相同的长度64。对两个心电通道进行预处理后，将64个长度的6个子段串接成独立的通道，形成1x64x6输入。