Github
论文用于心律失常检测的患者内部和患者之间心电图心跳分类：一种序列到序列深度学习方法
论文
我们的论文可以从arxiv网站下载
- 网络架构
要求
- Python 2.7
- tensorflow/tensorflow-gpu
- numpy
- scipy
- scikit-learn
- matplotlib
- imbalanced-learn (0.4.3)
数据集
我们使用PhysioNet MIT-BIH心律失常数据库评估了我们的模型
- 使用此链接下载我们预处理的数据集，然后将它们放入"data"文件夹。
- 或者您可以按照"data preprocessing_Matlab"文件夹中的readme文件说明下载MIT-BIH数据库并进行数据预处理。然后，将预处理的数据集放入"data"文件夹。
训练
-
修改seq_seq_annot_aami.py中的args设置，用于患者内部心电图心跳分类
-
修改seq_seq_annot_DS1DS2.py中的args设置，用于患者之间心电图心跳分类
-
运行每个文件以复现论文中描述的模型，使用：
python seq_seq_annot_aami.py --data_dir data/s2s_mitbih_aami --epochs 500
python seq_seq_annot_DS1DS2.py --data_dir data/s2s_mitbih_aami_DS1DS2 --epochs 500
结果
引用
如果您觉得有用，请按以下方式引用我们的论文：
@article{mousavi2018inter,
title={Inter-and intra-patient ECG heartbeat classification for arrhythmia detection: a sequence to sequence deep learning approach},
author={Mousavi, Sajad and Afghah, Fatemeh},
journal={arXiv preprint arXiv:1812.07421},
year={2018}
}
参考文献
许可
仅供学术和非商业用途
