ECG Arrhythmia classification
1.0.0
Dieses Repository ist eine Implementierung der Papier-EKG-Arrhythmie-Klassifizierung mithilfe eines 2-D-Faltungs-Neuronalen Netzwerks, in dem wir EKGs in sieben Kategorien einteilen, von denen eine normal ist und die anderen sechs verschiedene Arten von Arrhythmien unter Verwendung von tiefem zweidimensionalem CNN mit Graustufen-EKG-Bildern . Durch die Umwandlung eindimensionaler EKG-Signale in zweidimensionale EKG-Bilder sind Rauschfilterung und Merkmalsextraktion nicht mehr erforderlich. Dies ist wichtig, da einige EKG-Schläge bei der Rauschfilterung und Merkmalsextraktion ignoriert werden. Darüber hinaus können Trainingsdaten durch Anreicherung der EKG-Bilder erweitert werden, was zu einer höheren Klassifizierungsgenauigkeit führt. Bei 1-Tage-Signalen lässt sich die Datenerweiterung nur schwer anwenden, da die Verzerrung des 1-Tage-EKG-Signals die Leistung des Klassifikators beeinträchtigen könnte. Die Erweiterung zweidimensionaler EKG-Bilder mit unterschiedlichen Zuschneidemethoden hilft dem CNN-Modell jedoch dabei, mit unterschiedlichen Blickwinkeln der einzelnen EKG-Bilder zu trainieren. Die Verwendung eines EKG-Bildes als Eingabedaten für die EKG-Arrhythmie-Klassifizierung bietet auch Vorteile im Hinblick auf die Robustheit.
Hier ist der Link zum Modell: Link
Das Modell funktioniert nur, wenn Ihre Daten der Datei „sample.csv“ ähneln
Alle Vorgehensweisen zum Trainieren Ihres eigenen Modells und weitere Details zu diesem Projekt finden Sie in meinem Medium-Beitrag.
