【AI赋能医学】基于深度学习和HRV特征的多类别心电图分类

一、数据集简介

论文中使用了来自三类不同心电图记录的162条数据,这些数据来自三个公开的数据库:

MIT-BIH 心律失常数据库 (ARR)

96条记录,主要包含不同类型的心律失常样本。

MIT-BIH 正常窦性心律数据库 (NSR)

36条记录,包含健康人的正常心电图信号。

Beth Israel Deaconess Medical Center 心力衰竭数据库 (CHF)

30条记录,包含充血性心力衰竭患者的心电图。

所有心电图信号都来自导联II和VI,并且经过统一处理,将采样频率调整为128 Hz,消除了偏移效应。每条心电图信号都由心脏病专家手动标注,确保了数据的准确性。

再次说明:

该方法的有效性通过162条心电图(ECG)记录进行测试,这些记录分为三类:心律失常(ARR)、充血性心力衰竭(CHF)和正常窦性心律(NSR)。这些记录来自以下公共数据库:

MIT-BIH 心律失常数据库

MIT-BIH 正常窦性心律数据库

Beth Israel Deaconess Medical Center 心力衰竭数据库

数据集包含:

96条心律失常记录

30条心力衰竭记录

36条正常窦性心律记录

所有心电信号均来自导联II和导联VI,并且经过重新采样,统一为128 Hz的采样频率,以确保数据一致性并消除偏移效应。每条记录都由多位心脏病专家进行了手动分析和标注。

二、模型实现步骤

按照以下步骤进行模型实现:

  1. 数据预处理
    信号归一化:将心电图信号标准化,消除偏移效应。
    特征提取:
    提取基于心电图(ECG)的特征,如RR间期、P波、QRS波等。
    提取基于心率变异性(HRV)的特征,如时域和频域特征。
    重新采样:将所有信号重采样至128 Hz。
  2. 模型结构
    特征组合:将心电图特征与HRV特征结合,作为多类别分类模型的输入。
    深度学习模型:使用深度学习框架(如CNN、LSTM等)自动提取特征。论文中建议使用卷积神经网络(CNN)处理心电图信号,并结合心率变异性特征进行分类。
    分类模型:利用一个全连接层进行多类别分类,模型的输出对应ARR、CHF和NSR三类。
  3. 模型训练
    使用训练集对模型进行训练,优化损失函数(如交叉熵损失函数)。
    采用K折交叉验证来评估模型的性能。
  4. 模型评估
    使用准确率、灵敏度、特异性等评价指标评估模型性能。
    对ARR、CHF和NSR三类心电图数据进行多类别分类,检查模型的泛化能力。
  5. 实现步骤
    使用Python、TensorFlow、Keras等深度学习库实现模型。
    将数据集分为训练集和测试集,进行训练、评估。

参考

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10542398/

https://www.mdpi.com/1424-8220/23/3/1697

相关推荐
蚝油菜花3 分钟前
DreamActor-M1:字节跳动推出AI动画黑科技,静态照片秒变生动视频
人工智能·开源
MPCTHU4 分钟前
预测分析(三):基于机器学习的分类预测
人工智能·机器学习·分类
jndingxin11 分钟前
OpenCV 图形API(11)对图像进行掩码操作的函数mask()
人工智能·opencv·计算机视觉
Scc_hy20 分钟前
强化学习_Paper_1988_Learning to predict by the methods of temporal differences
人工智能·深度学习·算法
袁煦丞23 分钟前
【亲测】1.5万搞定DeepSeek满血版!本地部署避坑指南+内网穿透黑科技揭秘
人工智能·程序员·远程工作
大模型真好玩24 分钟前
理论+代码一文带你深入浅出MCP:人工智能大模型与外部世界交互的革命性突破
人工智能·python·mcp
遇码38 分钟前
大语言模型开发框架——LangChain
人工智能·语言模型·langchain·llm·大模型开发·智能体
在狂风暴雨中奔跑38 分钟前
使用AI开发Android界面
android·人工智能
飞哥数智坊40 分钟前
AI编程实战:30分钟实现Web 3D船舶航行效果
人工智能·three.js
誉鏐43 分钟前
从零开始设计Transformer模型(1/2)——剥离RNN,保留Attention
人工智能·深度学习·transformer