Matlab集成的c代码客观的
在这里,我们描述了在PhysioNet
/
Computing
in
Cardiology
Challenge
2020
[1]中开发的算法。
2020年挑战赛的目标是从12导联心电图记录中识别临床诊断。
海报展示了我们在分类中使用的功能。
我们还基于简单的滤波方法测试了特征分类能力[2]。
算法
该算法分3个步骤:ECG预处理特征提取和分类。
我们的解决方案基于引导聚合(袋装)决策树。
信号预处理首先,我们从文件加载数据,我们以类似的方法为例。
在头文件中,我们将年龄和性别数据用作分类特征,并将增益和采样频率用于信号校准。
校准后,我们执行信号过滤。
我们使用中值滤波器来消除一些噪声,并使用截止频率=
1
Hz时的巴特沃思高通滤波器来消除等值线的浮动。
特征
在我们的算法中,我们基于PhysioNet-心血管信号工具箱[3]。
我们使用了以下功能:
全局电异质性(GEH功能)–例如示例代码,该组包含22个基于空间心室梯度矢量(SVG)的参数,例如SVG幅度,SVG仰角,SVG方位角等。
AF功能–
ECG_Analysis_Tools中的AF_fe
2022-07-02 16:58:28
57.52MB
系统开源
1