- 博客(5)
- 收藏
- 关注
RSS订阅原创 Deep Learning × ECG (5) ：利用循环神经网络RNN对心律失常ECG数据进行分类
循环神经网络RNN的提出主要针对于时间序列数据。类似于股票、心律失常 ECG 和 电力数据 等数据都是属于时间序列数据。RNN模型具有记忆功能。时间序列数据前一时刻的数据可能会影响后一时刻的数据；因此，循环神经网络在时间序列数据上有着较好的性能。简单地说，循环神经网络目的在于探索序列之间的关系！！！它是根据"人的认知是基于过往的经验和记忆"这一观点提出的。需要注意的是，该类模型主要处理一维数据。鉴于其记忆功能，能够将前后数据进行关联，因此循环神经网络模型在一维数据的处理上获得了较好的表现。目前，主流的循环神
2022-07-11 23:13:11
3131
11
原创 Deep Learning × ECG (4) ：利用卷积神经网络CNN对心律失常ECG数据进行分类
本文主要就是介绍搭建模型和模型训练了！！根据 AAMI (简称：美国心脏病协会) 提供的标准：将心拍分为五大类，分别是N、S、V、F和Q，五大类又包含了一些小类；具体如下，大家啊可以参考一下：在目前大多数论文的工作中，都是针对于以上五大类进行分类。但由于S类和V类的特征很相似，往往导致准确率降低，不是很高；当然，也有很多工作专门针对于这两类。本篇博客则主要简单介绍一下以卷积神经网络CNN为代表的深度学习模型对N、L、R、A和V五大类进行分类。具体如下（代码的解释已经在注释中，大家可以参考）：由于以 心
2021-10-25 12:56:50
6975
39
原创 Deep Learning × ECG (3) ：心律失常ECG数据的预处理
ECG的预处理过程包括：降噪、截取心拍、存放心拍和标签。1. 降噪关于信号类的数据在放入网络中训练之前一般都需要经过处理，降噪，去噪等；ECG数据也不另外。对于信号类数据去噪的方法有很多，比如：傅里叶变换，小波变换，中值滤波法等等。这里主要以小波变化进行降噪，因为本人不是学通信和电信科班出身，对于小波的了解也只是皮毛，这里就直接贴代码了；如果有想了解小波的，网上很多帖子都有介绍的，大家可以去看看；如果有这方面的大佬,可以直接在评论区留言哇，给大家分享分享。# 小波去噪预处理def denoise(
2021-05-08 12:34:49
6463
16
原创 Deep Learning × ECG (2) ：利用WFDB包读取心律失常ECG数据
本篇主要介绍使用WFDB工具对ECG数据操作，能够直接读取心电信号数据。WFDB包可以直接获取ECG心拍类型，读取心电记录，读取R峰等等以及利用matplotlib绘制心电信号波形。1. 安装wfdb包如果你已经安装了Anaconda和Pycharm，可以直接在Termnial下，执行如下命令：pip install wfdb安装完成后，使用命令检查，是否安装成功。import wfdbprint(wfdb.__version__)显示版本号，即安装成功2. 显示所有的心跳类型imp
2021-05-07 22:08:19
7052
20
原创 Deep Learning × ECG (1) ：关于心律失常ECG的基础常识
随着深度学习的火热发展，越来越多的领域都将深度学习方法和自己的领域相互结合，深度学习也成为了解决问题的一种方案。医疗领域也不另外；例如：通过对ECG数据进行分类、预测等等，来判断病人的心脏状况。如果要涉及ECG分类识别、预测等领域；那么就需要对ECG(也就是我们常说的心跳)有所了解；例如心跳类型、什么是导联、P波，QRS复合波，T波的位置分别在哪等等。本篇暂不涉及技术内容，主要介绍：什么是导联？如何看心电图纸？心电小常识常用的ECG数据库1. 什么是导联？这个其实已经涉及到医学生的相
2021-05-07 20:40:12
3350
7
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人