ECG Arrhythmia classification

ECG-心律不整-分類

使用二維卷積神經網路進行 ECG 心律不整分類

該儲存庫是使用二維卷積神經網路進行心電圖心律不整分類論文的實現，其中我們使用深度二維CNN 和灰階心電圖圖像將心電圖分為七類，一類是正常的，另外六類是不同類型的心律不整。透過將一維心電訊號轉換為二維心電影像，不再需要雜訊過濾和特徵提取。這很重要，因為在噪音過濾和特徵提取中會忽略一些心電圖節拍。此外，可以透過增強心電圖影像來擴大訓練數據，從而提高分類精度。資料增強很難應用於一維訊號，因為一維心電圖訊號的失真可能會降低分類器的效能。然而，使用不同的裁切方法來增強二維 ECG 影像有助於 CNN 模型使用單一 ECG 影像的不同視點進行訓練。使用ECG影像作為ECG心律不整分類的輸入資料在穩健性方面也有好處。

方法

模型

這是模型的連結：鏈接

部署模型

1. 克隆我的儲存庫。
2. 克隆這個儲存庫。
3. 下載權重。
4. 將您下載的其他儲存庫中的 app.py 替換為我的儲存庫中的 app.py。
5. 將其他儲存庫中存在的index.html 替換為我的儲存庫中提供的index.html。如果您遇到與部署相關的任何其他問題，可以檢查此儲存庫。

只有當您的資料類似於sample.csv時，該模型才有效

這是我的系統中該應用程式的螢幕截圖

中型部落格

您可以在我的 Medium 帖子上找到有關訓練您自己的模型的所有程序以及該項目的其他詳細資訊。