【文件属性】：
文件名称：信道预测matlab代码-Cuff_less_BP_Prediction:使用回归方法根据ECG和PPG信号预测血压
文件大小：120KB
文件格式：ZIP
更新时间：2021-05-25 03:30:06
系统开源
信道预测matlab代码袖带血压预测
该存储库托管使用两种方法根据ECG和PPG信号预测血压的代码。
使用机器学习方法进行特征提取和回归。
基于深度学习的回归。
入门：
克隆此仓库：
git
clone
https://github.com/jeya-maria-jose/Cuff_less_BP_Prediction
cd
Cuff_less_BP_Prediction
资料集：
数据集：
该数据库由矩阵的单元格阵列组成，每个单元格都是一个记录部分。
在每个矩阵中，每一行对应一个信号通道：
1：PPG信号，FS
=
125Hz;
指尖的光电容积描记器
2：ABP信号，FS
=
125Hz；
有创动脉血压（mmHg）
3：ECG信号，FS
=
125Hz;
来自通道II的心电图
用于我们的实验的UCI存储库中数据的处理后的版本：
根据Kauchee等人对阈值设置阈值后，已清理的文件夹包含BP记录。
2017年
GT包含基本事实SBP，DBP，MAP和类别编号（取决于阈值）。
忽略class列，因为该类列尚未用于论文中报告的任何实验。
数据文件夹是从UCI存储库中提取的全部数据。
基于特
【文件预览】：
Cuff_less_BP_Prediction-master
----seven_features.m(3KB)
----LICENSE(1KB)
----feature_extract.m(3KB)
----misc_codes()
--------index_catch.py(499B)
--------mbp_find_and_write.py(750B)
--------csvindex.py(745B)
----ppg_features.m(4KB)
----README.md(3KB)
----models_ML()
--------ann_exp.py(2KB)
--------rf.py(2KB)
--------ann_sk.py(2KB)
--------readme(1B)
--------xg.py(1KB)
--------ridreg.py(2KB)
--------adboost.py(2KB)
--------svr.py(2KB)
--------linreg.py(2KB)
--------ann.py(3KB)
----models_DL()
--------lstm()
--------1d conv()
--------cnn_basic()
--------cnn_lstm_concat()
--------cnn_classi_reg()
--------vgg()
----PTT_final.m(934B)
----PhyFeatures.m(5KB)
----feature_extraction_23_features.m(4KB)