使用keras库，数据来自BCI Competiton数据集下的Data from Berlin组的mat文件，请仅限用于研究，数据包组成，使用后三个量x_train（训练集）,y_train（标签）,x_test（测试集），训练集有316组样本，样本由500毫秒下28通道的数据构成，数据详细描述：http://www.bbci.de/competition/ii/berlin_desc.html。使用k折验证法验证，验证结果极佳，但没有测试集的标签，所以不知道对于新数据的分类情况如何。
2021-04-01 12:26:59
9.93MB
1
德州仪器C2000及MCU创新设计大赛，国赛二等奖，基于MSP430的BCG和ECG实时同步监测装置的设计与实现，比赛练习案例，创新创业比赛、青春杯、挑战杯、互联网+比赛赛参考，报告模板，技术模仿。适用于教学案例、毕业设计、电子设计比赛、出书项目实例，实际设计、个人DIY参考。
本文设计的系统能够实时同步的监测体动信号（BCG）和心电信号（ECG）。设计系统主要包括三部分。第一部分为信号的采集调理模块。其中体动信号是通过四个压力传感器组成的全桥电路来采集的，再用前端模拟电路对微弱的体动信号进行放大滤波；心电信号是通过贴在身体表面的传感器来采集的，再用前端模拟电路对心电信号进行放大滤波。第二部分为信号的传输模块。利用MSP430单片机内部的AD对信号进行A/D转换，再通过CC2500无线模块发送到上位机。第三部分为上位机实时采集和监测。MATLAB对上位机接收到的数据进行处理,处理后的数据用MATLAB GUI实时显示，最终达到了实时同步监测的效果。
2021-03-27 20:19:29
863KB
使用MIT-BIH数据集进行ECG分类
此仓库是和的实现
并专注于使用MIT-BIH数据集进行培训。 如果要使用CINC或开放式心律数据进行训练，请参阅原始研究论文的作者在编码的开放源代码。
Physonet上的MIT-BIH数据集简介： ://physionet.org/physiobank/database/mitdb/
相依性
与带有wfdb的Google colab环境，深层安装和numpy重新安装一致。
Python> = 3.6.7
keras == 2.2.5
张量流== 1.15.0
scikit学习== 0.21.3
wfdb == 2.2.1
deepdis
2021-03-25 10:25:38
858KB
1
该代码利用MATLAB实现了心电信号（ECG）的压缩，包括转折点算法，小波变换压缩，通过选择输入数据的帧数，对数据进行压缩
2021-03-21 11:03:09
26KB
1
下载完整的训练集和测试集，共1000例常规心电图，其中训练集中包含600例，测试集中共400例。该数据是从多个公开数据集中获取。
2021-03-16 09:09:42
77.41MB
1