ECG Arrhythmia classification

ЭКГ-классификация аритмий

Классификация аритмий ЭКГ с использованием двумерной сверточной нейронной сети

Этот репозиторий представляет собой реализацию бумажной классификации аритмий ЭКГ с использованием двумерной сверточной нейронной сети, в которой мы классифицируем ЭКГ на семь категорий, одна из которых соответствует норме, а остальные шесть представляют собой различные типы аритмии, используя глубокую двумерную CNN с изображениями ЭКГ в оттенках серого. . Благодаря преобразованию одномерных сигналов ЭКГ в двумерные изображения ЭКГ фильтрация шума и извлечение признаков больше не требуются. Это важно, поскольку некоторые сокращения ЭКГ игнорируются при фильтрации шума и извлечении признаков. Кроме того, данные обучения можно расширить за счет дополнения изображений ЭКГ, что приводит к более высокой точности классификации. Увеличение данных сложно применить к одномерным сигналам, поскольку искажение одномерного сигнала ЭКГ может снизить производительность классификатора. Однако дополнение двумерных изображений ЭКГ различными методами обрезки помогает модели CNN обучаться с разных точек зрения на отдельные изображения ЭКГ. Использование изображения ЭКГ в качестве входных данных для классификации аритмий ЭКГ также дает преимущества с точки зрения надежности.

МЕТОД

МОДЕЛЬ

Вот ссылка на модель: Ссылка

Развертывание модели

1. Клонируйте мой репозиторий.
2. Клонируйте этот репозиторий.
3. Загрузите веса.
4. Замените app.py в другом загруженном вами репозитории на app.py из моего репозитория.
5. Замените index.html, который присутствует в другом репозитории, на index.html, который есть в моем репозитории. Если у вас возникнут какие-либо другие проблемы, связанные с развертыванием, вы можете проверить этот репозиторий.

Модель работает, только если ваши данные похожи на sample.csv.

Вот скриншот приложения из моей системы

Средний блог

Вы можете найти все процедуры обучения вашей собственной модели и другие детали этого проекта в моем посте на Medium.