fangyi-deng/ecg-with-deep-learning

使用深度学习对人体心电数据进行多分类

ECG-with-Deep-learning

本仓库分为如下两部分：

• 文档
  • 深度学习模型方面：记录了我们小组从零开始，一步步摸索搭建深度学习模型的过程，解释了我们每一阶段选择某种特定模型的理由，也对我们的改进思路进行了阐述；
  • 数据融合方面：从众多数据库中挑选出4个较为合适的进行了详细介绍，包括融合的详细过程；
  • 服务器部署：通过Docker将模型部署在服务器上是工业界常见的场景。这属于在线部署模型，虽然我们最终的目标是边缘计算，但是在线部署是“端-管-云”架构的重要体现，之前的项目中只用过边缘计算的我也想尝试一下这种方式。
  • 硬件部署：使用raspberry zero w,AD8232心电模块,PCF8591模数转换模块，采集人体心电数据，在树莓派上进行实时分类，实现边缘计算。
• 代码

  • train.py

  • model:

    • CNN.py
    • CNNLSTM.py
    • SENetLSTM.py

  • save

    • CNN
    • CNNLSTM
    • SENetLSTM

  • tensorboard

    • CNN20201201-103452
    • CNNLSTM20201224-153049
    • SENetLSTM20210108-154007

  • tflite

    • model.tflite

  • checkpoint

    • SeqCNN.ckpt-1.data-00001-of-00002

    ​