ECG Arrhythmia classification

Classification ECG-arythmie

Classification des arythmies ECG à l'aide d'un réseau neuronal convolutif 2D

Ce référentiel est une implémentation de la classification papier des arythmies ECG utilisant un réseau neuronal convolutionnel 2D dans lequel nous classons l'ECG en sept catégories, l'une étant normale et les six autres étant différents types d'arythmie en utilisant un CNN bidimensionnel profond avec des images ECG en niveaux de gris. . En transformant les signaux ECG unidimensionnels en images ECG bidimensionnelles, le filtrage du bruit et l'extraction de caractéristiques ne sont plus nécessaires. Ceci est important car certains battements ECG sont ignorés lors du filtrage du bruit et de l’extraction des caractéristiques. De plus, les données d'entraînement peuvent être agrandies en augmentant les images ECG, ce qui entraîne une plus grande précision de classification. L'augmentation des données est difficile à appliquer aux signaux 1-D car la distorsion du signal ECG 1-D pourrait dégrader les performances du classificateur. Cependant, l’augmentation des images ECG bidimensionnelles avec différentes méthodes de recadrage aide le modèle CNN à s’entraîner avec différents points de vue des images ECG uniques. L’utilisation de l’image ECG comme donnée d’entrée de la classification des arythmies ECG présente également des avantages en termes de robustesse.

MÉTHODE

MODÈLE

Voici le lien vers le modèle : Lien

Déployer le modèle

1. Cloner mon référentiel.
2. Clonez ce référentiel.
3. Téléchargez les poids.
4. Remplacez app.py dans l'autre référentiel que vous avez téléchargé par le app.py de mon référentiel.
5. Remplacez également index.html qui est présent dans l'autre référentiel par le index.html fourni dans mon dépôt. Si vous rencontrez un autre problème lié au déploiement, vous pouvez consulter ce référentiel.

Le modèle ne fonctionne que si vos données sont similaires à sample.csv

Voici une capture d'écran de l'application de mon système

Blog moyen

Vous pouvez trouver toutes les procédures concernant la formation de votre propre modèle et d'autres détails de ce projet sur mon article Medium.