网络搭建

正如我们前面所说的，原文中所使用的网络并没有什么特别新奇之处，与经典的ResNet-34架构很类似。不过这里的网络使用了更大的，长度为16的一维卷积核，而原ResNet用于二维图像分类，则倾向于使用尺寸为3×3的小卷积核。个人认为这种尺寸上的不同主要还是源于ECG信号和图像数据的本质不同。一般直接输入网络的图像分辨率较低，哪怕在感受野最小时，3×3的区域也很有可能包含了具有意义的变化；而对于ECG这样的低频，低采样率信号来说，任何位置3个采样点的区域很难构成一个有特定意义的波形变化，且极易受噪声干扰，这对特征学习带来了很大的消极影响，严重时甚至可能导致学习无效。使用大的卷积核可以有效缓解这一问题。当然使用小的卷积核，但构建更深的网络也有利于感受野扩大，但在我的平时实践中发现这么做的效果并不好，可能是因为这种方式对于ECG信号来说不够直接，小卷积核过于关注高频噪声带来的扰动，而忽略整体上的变化。在代码上我对原版本进行了一些修改，使得其更适合于当下的应用，网络配置参数存放于Config.py，网络本身结构的搭建存放于net.py（基于keras）。详细请参照github。

来自Hannun A Y, Rajpurkar P, Haghpanahi M, et al. Cardiologist-level arrhythmia detection and classification in ambulatory electrocardiograms using a deep neural network[J]. Nature medicine, 2019, 25(1): 65.

还有一个问题就是关于网络的参数量。按照原文的配置，整个网络有1000多万的参数，若有足够的数据喂给网络，而且有足够的算力，这当然没什么问题。只是，由于我们手里并没有这么多数据，强行上大网络容易过拟合，当然还有就是我等贫穷之人没那么强的GPU加速（随便买GPU搭服务器玩的土豪请自动忽略）……这里我将其裁剪为了类似ResNet-18的架构，卷积核尺寸扩大一倍达到32，特征图数目由12起跳，将参数量缩减到了100多万；另外加入了更强的正则化，dropout丢弃概率由0.2改为0.5，每一层权重都加上l2正则。优化器也做了改动，由原来的Adam改变为SGD + Momentum，学习率初始值0.1，并在后续采用staircase式变化。更详细的参数可见Config.py和net.py。

另外一点需要注意的是，原文中的任务其实并非我们所想象的那种传统的分类，而是对片段每256个点就会输出一个结果，不过这个就需要数据有更为详细的，各类信号持续时间的具体标注。很可惜这个我们也没有，这里只能将其改变为传统的分类形式。

网络搭建好，数据准备好后，运行train.py就可以大炼丹了，运行test.py测试性能。

Github：https://github.com/Aiwiscal/MIT_Scheme

喜欢请点赞和github给star哦~~~~

Andrew Y. Ng式ResNet在MIT-BIH上的Inter-Patient分类实现（3）相关推荐

P. Hamilton / Quantitative Investigation of QRS Detection Rules Using the MIT/BIH Arrhythmia Databa
Quantitative Investigation of QRS Detection Rules Using the MIT/BIH Arrhythmia Database Hamilton, Pa ...
如何用Python 求函数 y = sinx 在区间[0, pi/2]上的弧长
今天在高数课上老师讲到求光滑曲线弧长问题,老师自己想了一个例子: 求函数 y = sinx 在区间[0, pi/2]上的弧长但是经过微分和积分发现没法求出确定值,百度后发现不可积,是椭圆积分,只能求 ...
matlab读取mit bih,将MIT-BIH心律失常ECG数据库加载到MATLAB上
您可以使用physionet ATM获取更容易使用的.mat文件. 在输入部分选择所需的引线,长度,数据库和样本. 在工具箱中选择导出为.mat: 然后下载'.mat'文件, 为了在MATLAB中打开 ...
Power Query （Power BI）傻瓜式合并资产负债表，史上最好用
做财务会计以及数据分析师的伙伴有福了,本篇是针对小白一步到位式合并资产负债表,没有几十步拖拽,省掉中间过程,直接一句话粘贴就能出结果,省时省力省心,快快收藏吧! 完成以上工作,你需要安装Office ...
6步傻瓜式点击在树莓派上安好Win11
丰色发自凹非寺量子位报道 | 公众号 QbitAI 给树莓派安装Windows 11系统时麻烦吗? 先要去官网下载arm版系统,然后进行镜像烧录:烧好后,还要在树莓派上进行一些配置? 现在,有 ...
android分辨率 x y,Android - 确定不同分辨率的位图上的特定位置（X，Y坐标）？
我正在尝试创建的应用程序是棋盘游戏.它将有一个位图作为棋盘和棋子,移动到棋盘上的不同位置.该板的一般设计是方形的,具有一定数量的行和列,并具有用于外观的边框.想象一下国际象棋棋盘或拼字游戏板.Andr ...
与WebXR共同创建者Diego Marcos一起探讨沉浸式Web的未来（上）
点击上方"LiveVideoStack"关注我们翻译 | Alex 技术审校 | 刘连响本文来自UploadVR,作者为David Heaney WebXR 影音探索 #005 ...
【Spring 5】响应式Web框架实战（上）
前情概要: - [Spring 5]响应式Web框架前瞻 - 响应式编程总览 1 回顾通过前两篇的介绍,相信你对响应式编程和Spring 5已经有了一个初步的了解.下面我将以一个简单的Sprin ...
django models索引_sql – 为什么Django显式地在唯一字段上创建索引
更新:进一步简化实验psql的Q: 对于以下Django模型: class Book(models.Model): name = models.TextField(unique=True) pg_du ...

Andrew Y. Ng式ResNet在MIT-BIH上的Inter-Patient分类实现（3）

网络搭建

Andrew Y. Ng式ResNet在MIT-BIH上的Inter-Patient分类实现（3）相关推荐

最新文章

热门文章