ECG分析:基于深度学习的ECG心律失常分类入门(3)

数据库的Python读取
本次读取数据，用的是一款专门读取MITAB数据的工具——WFDB-python，WFDB包下载，全称是 Python waveform-database ，这是一个用于读取、写入以及处理WFDB信号和注释的工具库，重点是还加了关于生理信号处理等功能。不得不说在处理ECG方面，包含的API真的是太友好啦。安装的话，直接：

pip install wfdb

下面结合读取一条记录的例子，做一个简单的示范：

关于用wfdb对119记录的相关操作

import wfdb
import matplotlib.pyplot as plt
#所有这上面贴出的地址要换成自己的地址，这里我打码了
annotation= wfdb.rdann('E:/...data/MITDB_CNN_Classification/MIT_BIH/119','atr')#有很多基于annotation的操作；
record_name=annotation.record_name     #读取记录名称
label1=annotation.symbol #心拍的标签
label2=annotation.aux_note  #节律片段的标签
label_index=annotation.sample   #标签索引
record=wfdb.rdsamp('E:/...data/MITDB_CNN_Classification/MIT_BIH/119')#读取119记录

可以看到，record 元组里面包含了一个array，里面就是ECG信号幅值，也就是我们需要的数据，前面说过，这个数据库采集的都是两个导联的数据；另外一个是字典，包含了该条记录的相关信息：
plot一段：
最后贴上一个包含数据和标签的展示图：
这里说一下，关于R峰定位算法有很多，有一个经典的就是Pan-Tompkins algorithm： Pan, J., and Tompkins, W. J., A real-time QRS detection algorithm.IEEE transactions on biomedical engineering 3:230–236, 1985.由于R峰定位等基准点检测不是本次研究的重点，所以这里直接采用给定的R峰的索引，也就是标签索引。
2. 数据预处理
（1）滤波：
这里采用文章里面提到的小波去噪的方法，原因解释得也很清楚：

（2）心拍截取：
因为我们的是基于心拍做心律失常分类的，那么我们需要做的一个工作是心拍截取，文章种提到，以R峰位基准点，取前面0.4s后面0.5s作为一个心拍，也就是：

采样率=360Hz，也就是心拍长度是 0.4360+0.5360=324.

#这里只给出这一操作步骤，这里还需要考虑边界值，哈哈哈，这是刷题习惯啦
beat=record[label_index[j]-144:label_index[j]+180]

总结
这篇笔记主要介绍了数据的读取和预处理。那么米准备好了，接下来就是要起炉灶，准备烧饭了哈哈哈。下一篇将介绍的是我们CNN模型的搭建，和数据训练和测试。

相关的代码文件后期会上传个人GitHub https://github.com/cay846545867，记得给颗小Star鼓励一下喔！！！

ECG分析:基于深度学习的ECG心律失常分类入门(3)相关推荐

ECG分析:基于深度学习的ECG心律失常分类入门(1)
ECG分析:基于深度学习的ECG心律失常分类入门(1) 写作动机由于受突发疫情的影响,开学时间推迟了(在此特向奋斗在前线的各行各业的工作者们致以崇高的敬意!).前天晚上刚好看到一篇新出的论文,跟自己 ...
ECG分析:基于深度学习的ECG心律失常分类入门(4)
ECG分析:基于深度学习的ECG心律失常分类入门(4) 在搭建模型之前,讲一下本次任务需要区分的类别,MITAB根据心拍类型划分了14个小类: 也可以用wfdb查看: wfdb.show_ann_la ...
ECG分析:基于深度学习的ECG心律失常分类入门(5)
ECG分析:基于深度学习的ECG心律失常分类入门(5) 数据和模型完成了之后,就是训练和测试了,这里顺带提一下,MITAB的数据是48条记录的,而我们在做ECG分析的时候,都是去掉了四条记录(102, ...
ECG分析:基于深度学习的ECG心律失常分类入门(2)
ECG分析:基于深度学习的ECG心律失常分类入门(2) 数据来源:MIT-BIH Arrhythmia Database 数据库介绍和获取前面已经对ECG信号有了简单的认识,那么现在来简单看看我们的 ...
Data Augmentation for Deep Learning-based Radio ModulationClassification解读（基于深度学习的无线电调制分类数据扩充）
摘要:深度学习最近被应用于自动分类接收无线电信号的调制类别,而无需人工经验.然而,训练深度学习模型需要大量的数据.训练数据不足会导致严重的过度拟合问题,降低分类精度.为了处理小数据集,数据增强被广泛应 ...
深度医疗(1) - 基于深度学习心电图(ECG)特征识别
深度医疗是笔者基于深度学习的医学项目应用开发实践,经过整理输出了文档和本系列课程,希望通过分享可以和大家共同讨论.相互学习,探索更好的解决方案.笔者是一名普通的大数据和人工智能领域从业者,过程中如有错 ...
Python_001_旅游评论情感倾向性分析_000_分析(基于深度学习的微博评论情感倾向性分析_胡西祥)论文
Python_001_旅游评论情感倾向性分析_000_分析论文-2020-8-21 知网链接:基于深度学习的微博评论情感倾向性分析 - 中国知网 (cnki.net) ps.只做分析概括目录一.论 ...
ECG ×AI: 机器/深度学习的ECG应用入门（4）
传统机器学习:特征工程+分类器 1.引言经过前面的工作,我们已经解决了数据来源和识别对象问题.那么接下来,我们就要进行机器/深度学习算法的应用了.由于本人写这些博文的目的不在于讲解机器/深度学习理论 ...
ECG ×AI: 机器/深度学习的ECG应用入门（1）
前言你好,我是研究ECG算法的搬砖工Winham.目前搞这个方向已经挺长时间了,总想着把自己的一些入门经验分享一下,却不知道从何下手.说实话,关于ECG算法的研究相对冷门一些,网络上系统的资料也比较 ...

ECG分析:基于深度学习的ECG心律失常分类入门(3)

ECG分析:基于深度学习的ECG心律失常分类入门(3)

ECG分析:基于深度学习的ECG心律失常分类入门(3)相关推荐

最新文章

热门文章