ECG Arrhythmia classification

ECG-不整脈-分類

2D 畳み込みニューラル ネットワークを使用した ECG 不整脈分類

このリポジトリは、2 次元畳み込みニューラル ネットワークを使用した論文 ECG 不整脈分類の実装であり、グレースケール ECG 画像を使用したディープ 2 次元 CNN を使用して、ECG を 7 つのカテゴリ (1 つは正常、他の 6 つは異なる種類の不整脈) に分類します。 。 1 次元の ECG 信号を 2 次元の ECG 画像に変換することにより、ノイズ フィルタリングや特徴抽出は不要になります。 ECG 拍動の一部はノイズ フィルタリングと特徴抽出で無視されるため、これは重要です。さらに、ECG 画像を拡張することでトレーニング データを拡大できるため、分類精度が向上します。 1 次元 ECG 信号の歪みにより分類器のパフォーマンスが低下する可能性があるため、データ拡張を 1 次元信号に適用するのは困難です。ただし、さまざまなトリミング方法で 2 次元 ECG 画像を拡張すると、CNN モデルが単一の ECG 画像のさまざまな視点でトレーニングするのに役立ちます。 ECG 画像を ECG 不整脈分類の入力データとして使用することは、ロバスト性の点でも利点があります。

方法

モデル

モデルへのリンクは次のとおりです: リンク

モデルのデプロイ

1. リポジトリのクローンを作成します。
2. このリポジトリのクローンを作成します。
3. 重みをダウンロードします。
4. ダウンロードした他のリポジトリの app.py を、私のリポジトリの app.py に置き換えます。
5. 他のリポジトリに存在するindex.htmlも、私のリポジトリで提供されているindex.htmlに置き換えます。デプロイに関連するその他の問題が発生した場合は、このリポジトリを確認してください。

モデルは、データがsample.csvに類似している場合にのみ機能します。

これは私のシステムからのアプリのスクリーンショットです

ミディアムブログ

独自のモデルのトレーニングに関するすべての手順と、このプロジェクトのその他の詳細については、私の Medium 投稿で見つけることができます。