1、切割成60s片段,每个片段都有专家标注的N\A标签
2、将60s片段的前后2.5min片段重新组合,标签选取中间片段的标签
3、使用DWT进行变换,为了消除噪声,包括工频干扰、肌电图噪声和与原始心电图数据的基线偏差,我们使用coif4小波将原始心电图数据分解为6个比例,并去除第一(25-50Hz)、第六(0.8-1.6Hz)比例细节分量和第六(0-0.8Hz)比例近似分量。由于心电信号大致集中在1.5~25Hz,去除这些频带将有助于抑制高频噪声和低频噪声,并保留原始信号。
4、使用z-score方法将心电数据归一化
y
(
t
)
=
(
x
(
t
)
−
i
)
/
j
y(t) = (x(t)-i)/j
y(t)=(x(t)−i)/j
i:mean均值
j:标准差
5、R峰定位:step1:-将信号重采样值500Hz,然后,根据相应的放大率对预测的坐标进行缩放,以匹配原始的心电图段。这一步产生近似的r峰位置; step2:-这一步使用一个宽度为10个采样点的滑动窗口来微调r峰位置,并将窗口中最大点的坐标分配为r峰位置。
6、计算得到RRI(R峰区间)、RA(R峰振幅)、RRID(RR区间一阶差值);
7、输入网络,得到分类结果。
Hybird_Transformer for OSA detection
最新推荐文章于 2024-07-17 21:25:38 发布