心电图合成与分类
用于ECG合成的一维GAN和3种模型:具有跳过连接的CNN,具有LSTM的CNN和具有LSTM的CNN,以及用于ECG分类的注意力机制。
动机
心电图被心脏病专家和医学从业者广泛用于监测心脏健康。 与许多其他时间序列数据类似,手动分析ECG信号的主要问题在于难以检测和分类信号中的不同波形和形态。 对于人类而言,此任务既耗时又容易出错。 让我们尝试将机器学习应用于此任务。
数据
可用。
问题的表述:
每个信号应标记为以下类别之一( “正常” , “人工过早” , “室性早搏” , “室和正常融合” , “起搏和正常融合” )。
解决方案
此处提供具有研究和解决方案的代码-和此处 。
楷模
GAN结果
分类结果
1