文件名称：matlab归零码功率谱源码-physionet:卷积神经网络从单导联心电图检测心房颤动
文件大小：13.36MB
文件格式：ZIP
更新时间：2024-06-08 13:36:46
系统开源
matlab归零码功率谱原始码问题陈述 该项目的目标是实现一种深度学习算法，该算法将单通道手持式ECG设备的心电图（ECG）记录分为四个不同的类别：正常窦性心律（N），房颤（A），其他心律（O ），或者太吵而无法分类（〜）。 该模型是由论文指导的由Zihlmann等人撰写。 在作者对的贡献之后发表的。 心房颤动（AF）是一种常见的心律失常，影响了超过270万美国人。 这种心律失常与明显的发病率相关，缺血性中风的风险增加了4到5倍。 AF通常是沉默的，患者偶尔会出现中风，这是心律不齐的最初表现。 其他患者有令人不安的症状，例如心pit或头晕，但传统的监测方法无法确定心律不齐。 尽管该问题很重要，但AF检测仍然很困难，因为它可能是偶发性的。 因此，定期采样心率和节律可能有助于在这些情况下进行诊断。 当两个电极中的每一个都握在手中时，移动式ECG设备能够记录单导联等效ECG。 AliveCor为2017年PhysioNet / CinC挑战赛慷慨捐赠了总计12186张ECG录音。 项目包中的文件 该项目包包含以下文件： physionet_readme.ipynb：具有工作代码的此READM
【文件预览】：
physionet-master
----.ipynb_checkpoints()
--------physionet_Readme-checkpoint.ipynb(578KB)
--------physionet-checkpoint.ipynb(579KB)
----physionet_generator.py(3KB)
----physio_small.h5(13.05MB)
----output_5_0.png(43KB)
----physionet_Readme.ipynb(578KB)
----physionet.ipynb(579KB)
----output_12_0.png(35KB)
----output_9_1.png(8KB)
----history.csv(49KB)
----output_14_0.png(21KB)
----AliveCorimage.jpg(69KB)
----mat2hdf5.m(2KB)
----physionet_processing.py(5KB)
----README.md(45KB)
----output_33_0.png(30KB)
----REFERENCE-v3.csv(75KB)
----hdf5viewer3.PNG(64KB)
----output_46_0.png(103KB)
----output_16_0.png(30KB)
----CNNforECGclassification_model.ipynb(75KB)
----output_18_0.png(120KB)
----rdmat.m(5KB)