Matlab心电图分类程序- CINC Challenge 2017: 短单导联心电图数据的细分分类(竞赛参赛作品)...

简介：
本项目为CINC Challenge 2017竞赛中基于短单导联心电图数据的心电图分类解决方案，使用Matlab开发。旨在提升对心电异常类型的精准识别能力。 我们在2017年心脏病学计算挑战赛中的参赛作品使用了MATLAB心电图程序代码来实现深度卷积神经网络与基于特征的方法从单导联段进行ECG分类，具体是针对短单导联心电图（ECG）记录的心房颤动（AF）分类。在使用此代码时，请引用以下文献：Andreotti, F., Carr, O., Pimentel, M.A.F., Mahdi, A. & De Vos, M. (2017). Comparing feature-based classifiers and convolutional neural networks for arrhythmia detection from short segments of ECGs. In Computing in Cardiology 2017. 本存储库包含了我们在心脏病学会议上提出的2017年Physionet挑战赛的解决方案。作为比赛的一部分，分类器需要基于持续时间为10-60秒的短单导联ECG细分进行输出，具体为以下课程之一： - N：正常窦性心律 - A：心房颤动（AF） - O：其他心律 - ~ ：噪声段 此存储库中提出了两种方法，并在卷积式中进行了描述： 1. 经典的基于特征的MATLAB方法（featurebased-approach文件夹）。 2. Python中的深度卷积网络方法（deeplearn-approach文件夹）。