✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。
🍎个人主页：Matlab科研工作室
🍊个人信条：格物致知。
更多Matlab仿真内容点击👇
⛄ 内容介绍
随着社会不断进步和生活压力的不断上升,心脏疾病已经成为威胁人类健康的重要因素.心电信号(ECG)表征了人体心脏的电活动,可以通过心电图直观展现出来,在心脏疾病发病前,心电信号中一般会出现相应的心律失常现象,因此,对心电信号进行识别分类研究,对心脏病的诊断和治疗具有重要的意义.由此许多专家和学者对心电信号的识别分类进行了大量研究.心电信号的识别分类通常包括心电信号采集,心电信号预处理,提取心电特征,设计识别分类器等步骤.心电信号常含干扰噪声,噪声的存在会影响后期心电信号特征点R波峰的准确检测,并影响对心电信号识别分类率,故心电信号的预处理是心电信号识别分类的关键步骤。本文基于小波时间散射网络(WTSN)和长短期记忆网络 (LSTM)实现ECG信号分类。
⛄ 部分代码
clear
close all
clc
load(fullfile(pwd, "ECGData.mat"))
Fs = 128;
unique(ECGData.Labels)
M = size(ECGData.Data, 1);
idxsel = randperm(M, 4);
tiledlayout(2, 2, "Padding", "compact")
for numplot = 1:4
nexttile
plot(ECGData.Data(idxsel(numplot),1:3000))
ylabel('Volts')
xlabel('Samples')
title(string(ECGData.Labels(idxsel(numplot))))
end
sampleSig = ECGData.Data(1,:);
sf = waveletScattering('SignalLength',numel(sampleSig),'SamplingFrequency',Fs)
feat = featureMatrix(sf,sampleSig);
lev = 1;
[S1,U1] = scatteringTransform(sf,ECGData.Data(find(ECGData.Labels=="ARR",1),:));
if true
netScat = trainNetwork(scat_features_train,YTrain,layers,options);
else
load(fullfile(pwd, "data", "netScat.mat"))
end
YTest = categorical(testLabels);
YPred = classify(netScat,scat_features_test, 'MiniBatchSize',miniBatchSize, 'SequenceLength','shortest');
accuracy = round((sum(YPred == YTest)./numel(YTest))*100);
confusionchart(YTest, YPred, "RowSummary", "row-normalized");
title("Accuracy: " + accuracy + "%")
⛄ 运行结果
⛄ 参考文献
[1] 袁丹阳. 基于小波包和神经网络的心电信号分类方法研究[D]. 天津工业大学, 2017.
[2] 张杨. 基于小波分析的ECG信号检测[D]. 厦门大学, 2007.
[3] 徐一轩, 伍卫国, 王思敏,等. 基于长短期记忆网络(LSTM)的数据中心温度预测算法[J]. 计算机技术与发展, 2019, 29(12):7.
[4] 岑小林, 胡佳宗, 陈援峰. 基于Matlab的小波提升与心电信号R波检测[J]. 数字技术与应用, 2014(6):2.
[5] 丁兴号, 邓善熙, 赵前程. 基于小波和神经网络的动态心电波形分类新方法[J]. 生物物理学报, 2003, 19(1):5.
