文件名称：matlab心电图程序代码-cinc-challenge2017:短单导联细分的心电图分类（《心脏病学挑战赛2017》的参赛作品）
文件大小：11.84MB
文件格式：ZIP
更新时间：2024-06-10 01:51:56
系统开源
matlab心电图程序代码 使用深度卷积神经网络和基于特征的方法从单导段进行ECG分类 我们在2017年心脏病学计算挑战赛中的参赛作品：来自短单导联心电图（ECG）记录的心房颤动（AF）分类 使用此代码时，请引用： Andreotti，F.，Carr，O.，Pimentel，MAF，Mahdi，A.，＆De Vos，M.（2017年）。 比较基于特征的分类器和卷积神经网络从心电图的短节段检测心律不齐。 在心脏病学中的计算。 雷恩（法国）。 此存储库包含我们在2017年心脏病学会议上提出的2017年Physionet挑战赛的解决方案[1]。作为挑战赛的一部分，基于持续时间为10-60秒的短单导联ECG细分，分类器应输出以下内容之一：以下课程： 班级 描述 ñ 正常窦性心律 一种 心房颤动（AF） Ø 其他心律 〜 噪声段 在此回购中的分卷式中提出并描述了两种方法： 经典的基于特征的MATLAB方法（ featurebased-approach文件夹） Python中的深度卷积网络方法（ deeplearn-approach文件夹） 下载挑战赛数据 用于下载。 可以在Linux上使用以下命
【文件预览】：
cinc-challenge2017-master
----.gitignore(395B)
----LICENSE(34KB)
----featurebased-approach()
--------PredictTestSet.m~(8KB)
--------ExtractFeatures.m(10KB)
--------README.md(2KB)
--------classifiers()
--------subfunctions()
--------PredictTestSet.m(8KB)
--------TrainClassifier.m(5KB)
----README.md(3KB)
----deeplearn-approach()
--------train_model.py(15KB)
--------README.md(3KB)
--------ResNet_30s_34lay_16conv.hdf5(10.11MB)
--------cincset_files2matrix.py(3KB)
--------predict.py(4KB)
--------docker()