# ECG_simple_resnet

**Repository Path**: aiwiscal/ecg_simple_resnet

## Basic Information

- **Project Name**: ECG_simple_resnet
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-06-26
- **Last Updated**: 2025-06-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 简介
这是一个示例，使用一个简单的ResNet进行ECG分类。

# 数据集
+ Chapman数据库，来自 Chapman 大学与绍兴市人民医院的开源数据库。共4类：
    - 心房颤动（Atrial Fibrillation，AF）；
    - 一般性室上性心动过速(General Supraventricular Tachycardia，GSVT)；
    - 窦性心动过缓(Sinus Bradycardia，SB)；
    - 正常窦性心律(Sinus Rhythm，SR)。
+ 原始数据库包含12导联，采样率500Hz，每条信号长10s，因此每个样本共12x5000个点。
+ 经过处理后，去除冗余导联，剩余I、II、V1~V6共8个导联。因为导联III、aVR、aVL、aVF可以由I、II运算得来，即这4个导联为冗余导联。长度5000个点也重采样为2048个点。
+ 本人提供的数据中已经划分好了训练集、验证集、测试集，比例约为7:1:2。可以直接用。
+ 更多信息参考论文：[https://www.nature.com/articles/s41597-020-0386-x](https://www.nature.com/articles/s41597-020-0386-x) 注意这里实际使用的样本数并非与论文中一致。自己可以算下多少样本。

# 数据处理
data_utils文件夹下三个代码文件主要用于处理数据，以使其能用于模型训练与测试。

+ augmentations.py：数据增强，但是现在只包含对numpy array转为pytorch tensor的代码。你如果好的数据增强方案就加进去，并且修改其他必要的代码用起来；
+ cls_datasets.py：构造PyTorch模型训练必需的Dataloader；
+ data_folder.py：构造PyTorch模型训练必需的Dataset类，DatasetFolder是Dataset的一个子类。一般不需要改。

# 模型
+ 一个简易的ResNet，来自论文：[https://arxiv.org/abs/1611.06455](https://arxiv.org/abs/1611.06455)
+ 只不过**缩减了宽度（下图中64变为32，128变为64)**。

![](simple_resnet.png)

+ 代码：models/resnet.py

# 运行
+ run_net.py，包含了所有训练、验证、测试过程，应直接运行该文件。注意修改数据路径。

# 注意事项
+ **这仅仅是一个示例，最好不要直接拿这个方案当做自己的设计。**
+ 先尝试跑通，再自己尝试搭建一些网络(不会的话就网上找点资料，很多)，比如其他类型的CNN、RNN、Transformer，取代这个示例中的ResNet。并不难。