心电图(ECG)是一种简单、经济的院内检查手段,是患者住院或日常体检的常用检测项目。由计算机辅助医生对心电信号进行识别, 有望减轻医生工作负担,并降低人工造成的漏诊。对于某一时长的 ECG 数据,识别其包含哪些心律失常事件,是目前热门的研究方向。
本任务提供原始电信号数据,并据此识别心电信号中所隐含的心律失常事件。
id | label |
---|---|
a35c4353-bac5-4054-97db-8ee74d6263f9 | “0,1,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0” |
rain_label.csv label的18个数字,分别表示【正常,窦性心律,窦性心动过速,窦性心动过缓,窦性心律不齐,房性早搏,房性逸搏, 房性心动过速,心房颤动,心房扑动,室性早搏,I 度房室传导阻滞,II 度房室传导阻滞,房室内传导阻滞,右束支传导阻滞,左束支传导阻滞, ST段异常,T波异常】
from sklearn.metrics import f1_scoreimport numpy as np
x = [[0,1,0,1,0],[1,1,0,1,0],[0,0,1,0,0],[1,0,0,0,1],[1,0,0,1,1]]
y = [[1,1,0,0,1],[1,1,0,1,0],[1,1,0,0,0],[1,0,1,0,0],[0,0,1,0,1]]
x = np.array(x)
y = np.array(y)
score = f1_score(x,y, average='macro')
大致思路:每个导联作为一个通道,ecg共12导联,分别使用1维卷积进行训练