文件名称：matlab代码影响-Deep-learning-for-ECG-signal-classification:心电图分类中的深度学习
文件大小：72.48MB
文件格式：ZIP
更新时间：2024-06-11 01:09:42
系统开源
matlab代码影响心电图分类 心电图分类中的深度学习将一维信号转换为二维信号，并在计算机视觉中处理数据。 建立了基于图像分割和深度神经网络的二维心电图数据库。 结合传统的信号处理方法和神经网络传递学习，可以实时达到很高的信号分类精度。 数据预处理基于Matlab。 算法主要基于分割和去噪。 为了比较噪声对生理信号的影响，在将其放入神经网络之前，将预处理分为原始信号和噪声信号。 本文的另一个重要部分是将一维信号转换为二维信号，我们也在预处理代码中做到了这一点。 分类基于Alexnet。 由于ECG信号是一维信号，因此分类既来自于一维信号的分类，也来自于二维信号的分类，因此，Conv层会按尺寸进行修改。 该项目的出版物已发布在[1]基于转移学习和深度卷积神经网络的ECG分类上[2] ECD分类中一维和二维深层卷积神经网络的比较
【文件预览】：
Deep-learning-for-ECG-signal-classification-master
----alexnet for transfer learning()
--------one_D3.py(3KB)
--------oneDnoise30.mat(13.95MB)
--------model_2d.png(27KB)
--------create_ecgnet1.sh(572B)
--------oneDnoise20.mat(13.95MB)
--------alexnet_twoD111.py(6KB)
--------oneDnoise35.mat(13.94MB)
--------oneDnoise25.mat(13.95MB)
--------oneDoriginal.mat(11.88MB)
--------create_ecgnet.sh(586B)
--------1dcnn.py(6KB)
--------one_Dregu.py(7KB)
--------trainrr.txt(174KB)
--------one_Dregu2.py(5KB)
--------alexnet_twoDtry.py(6KB)
--------alexnet_twoD.py(6KB)
----matlab preprocessing()
--------annotation and data sort()
--------segment process()
--------data conversion()
----result()
--------bit3_2d_30.txt(26KB)
--------结果.xlsx(9KB)
--------bit3_2d_20.txt(26KB)
--------keras data2.txt(863B)
--------1d_35.txt(24KB)
--------1d_30.txt(24KB)
--------bit3_2d_original.png(69KB)
--------1d_20.txt(25KB)
--------2d结果.txt(382B)
--------keras结果.txt(917B)
--------bit_25_2d.txt(26KB)
--------bit3_2d_35.txt(26KB)
--------keras data1.txt(1KB)
--------bit3_2d_35.png(66KB)
--------bit3_2d_20.png(66KB)
--------1维原始.txt(20KB)
--------bit3_2d_30.png(65KB)
--------bit3_2d_original.txt(26KB)
--------结果.docx(518KB)
--------bit_25_1d.txt(25KB)
--------xin.xlsx(10KB)
----README.md(1KB)