ECG分析:基于深度学习的ECG心律失常分类入门(4)
发布时间
阅读量：
阅读量
ECG分析:基于深度学习的ECG心律失常分类入门(4）
在进行模型搭建之前讲解本次任务需要明确区分的类别时 MITAB依据心跳类型将其划分为14个细分类别
也可以用wfdb查看：
wfdb.show_ann_labels()
代码解读 label_store symbol description
0 0 Not an actual annotation
1 1 N Normal beat
2 2 L Left bundle branch block beat
3 3 R Right bundle branch block beat
4 4 a Aberrated atrial premature beat
5 5 V Premature ventricular contraction
6 6 F Fusion of ventricular and normal beat
7 7 J Nodal (junctional) premature beat
8 8 A Atrial premature contraction
9 9 S Premature or ectopic supraventricular beat
10 10 E Ventricular escape beat
11 11 j Nodal (junctional) escape beat
12 12 / Paced beat
13 13 Q Unclassifiable beat
14 14 ~ Signal quality change
16 16 | Isolated QRS-like artifact
18 18 s ST change
19 19 T T-wave change
20 20 * Systole
21 21 D Diastole
22 22 " Comment annotation
23 23 = Measurement annotation
24 24 p P-wave peak
25 25 B Left or right bundle branch block
26 26 ^ Non-conducted pacer spike
27 27 t T-wave peak
28 28 + Rhythm change
29 29 u U-wave peak
30 30 ? Learning
31 31 ! Ventricular flutter wave
32 32 [ Start of ventricular flutter/fibrillation
33 33 ] End of ventricular flutter/fibrillation
34 34 e Atrial escape beat
35 35 n Supraventricular escape beat
36 36 @ Link to external data (aux_note contains URL)
37 37 x Non-conducted P-wave (blocked APB)
38 38 f Fusion of paced and normal beat
39 39 ( Waveform onset
40 40 ) Waveform end
41 41 r R-on-T premature ventricular contraction
代码解读根据AAMI标准，这14个小类集成为5个大类(N, SVEB, VEB, F, Q):
本研究也聚焦于这五个主要类别进行。因此，在采集心拍时就需要按照标签分类标准实现分类目标：
#这是截取中间步骤的代码块
if label[j]=='A' or label[j]=='a' or label[j]=='J' or label[j]=='S':
Seg=record[label_index[j]-144:label_index[j]+180]
segment=resample(Seg,251, axis=0) #根据文章要求，重采样到251个点
SVEB_Seg.append(segment)
代码解读在此阶段心拍信号已成功采集并进行了分类处理。下面进入模型构建阶段（此处无需深入讲解卷积神经网络的基本原理需耗费大量篇幅）让我们立即着手构建模型结构吧：
最初为324的心率时间序列长度，在这一部分中输入数据为251个心拍周期，在此我对心率时间序列进行了重采样处理，使其与现有数据集中的251个样本保持一致
这里，作者是先截取心拍，然后数据集划分，采用了三个不同折的交叉验证：
采用基于intra-patient的分类方法进行研究时
总结
本篇就介绍到这里，如果存在错误和疏漏，欢迎提出批评指正！具体代码实现，我会上传到个人的GitHub上https://github.com/cay846545867上，记得给颗小星星鼓励一下哦（点个赞也行的）！！！笔芯笔芯~~~
下一篇笔记将会对实验结果做一个评估和分析。
全部评论 (0)
还没有任何评论哟~