matlab归零码功率谱原始码问题陈述
该项目的目标是实现一种深度学习算法,该算法将单通道手持式ECG设备的心电图(ECG)记录分为四个不同的类别:正常窦性心律(N),房颤(A),其他心律(O
),或者太吵而无法分类(〜)。
该模型是由论文指导的由Zihlmann等人撰写。
在作者对的贡献之后发表的。
心房颤动(AF)是一种常见的心律失常,影响了超过270万美国人。
这种心律失常与明显的发病率相关,缺血性中风的风险增加了4到5倍。
AF通常是沉默的,患者偶尔会出现中风,这是心律不齐的最初表现。
其他患者有令人不安的症状,例如心pit或头晕,但传统的监测方法无法确定心律不齐。
尽管该问题很重要,但AF检测仍然很困难,因为它可能是偶发性的。
因此,定期采样心率和节律可能有助于在这些情况下进行诊断。
当两个电极中的每一个都握在手中时,移动式ECG设备能够记录单导联等效ECG。
AliveCor为2017年PhysioNet
/
CinC挑战赛慷慨捐赠了总计12186张ECG录音。
项目包中的文件
该项目包包含以下文件:
physionet_readme.ipynb:具有工作代码的此READM
2021-11-23 14:45:15
13.36MB
系统开源
1