Набор данных ЭКГ

В этом примере используются сигналы ЭКГ из общедоступной базы данных QT [1] [2]. Данные состоят примерно из 15 минут меченых записей ЭКГ с частотой выборки 250 Гц, измеренной от общего числа 105 пациентов.

Сигнал ЭКГ можно разделить на следующие морфологии биений [3]:

Сегментация этих областей сигналов ЭКГ может обеспечить основу для измерений, которые оценивают общее состояние здоровья сердца человека и наличие аномалий.

Prerequistes

Поддерживаемые версии библиотек и сведения о настройке переменных среды см. в разделе Предварительные условия для глубокого обучения с помощью кодера MATLAB (MATLAB Coder) (кодер MATLAB).

Функциональные возможности сгенерированного кода

Основная функция в созданном исполняемом файле:

waveformSegmentation Функция

Функция начального уровня, также известная как функция верхнего уровня или первичная функция, является функцией, определяемой для создания кода. Необходимо определить функцию точки входа, которая вызывает функции с поддержкой генерации кода и генерирует код C/C + + из функции точки входа. Все функции в рамках функции начального уровня должны поддерживать генерацию кода.

В этом примере waveformSegmentation является функцией точки входа. Он принимает сигнал ЭКГ в качестве входного сигнала и передает его в обученную сеть BiLSTM для прогнозирования. performPreprocessing функция предварительно обрабатывает необработанный сигнал и применяет кратковременное преобразование Фурье. genClassifiedResults функция передает предварительно обработанный сигнал в сеть для прогнозирования и отображает результаты классификации.

type waveformSegmentation

function out = waveformSegmentation(in)
%#codegen
persistent net;

if isempty(net)
    net = coder.loadDeepLearningNetwork('trained-network-STFTBILSTM.mat', 'net');
end


preprocessedSignal = performPreprocessing(in);
out = cell(3,1);


for indx = 1:3
  out{indx,1} =  genClassifedResults(net.predict(preprocessedSignal{1,indx}));
end



end

Создание соединения с Raspberry Pi

Используйте функцию MATLAB Support Package for Raspberry Pi, raspi, чтобы создать соединение с Raspberry Pi. В следующем коде замените:

r = raspi('raspiname','pi','password');

В примере показан рабочий поток на основе PIL для проверки кода и конструкции, а затем создается и развертывается автономный исполняемый файл. При необходимости, если требуется непосредственно развернуть автономный исполняемый файл, можно пропустить выполнение PIL и перейти к созданию автономного выполнения.

Создание функции PIL MEX

На первом шаге показан поток операций на основе PIL для создания функции MEX для waveformSegmentation функция.

Настройка объекта конфигурации создания кода для статической библиотеки

Создание объекта конфигурации кода для статической библиотеки и установка режима проверки 'PIL'. Задайте для целевого языка значение 'C++'.

cfg = coder.config('lib','ecoder',true);
cfg.VerificationMode = 'PIL';
cfg.TargetLang = 'C++'; 

Настройка объекта конфигурации для создания кода глубокого обучения

Создать coder.ARMNEONConfig объект. Укажите версию библиотеки вычислений ARM в качестве версии на Raspberry Pi. Укажите архитектуру Raspberry Pi. (В этом примере требуется вычислительная библиотека ARM версии 19.05).

dlcfg = coder.DeepLearningConfig('arm-compute');
dlcfg.ArmComputeVersion = '19.05';
dlcfg.ArmArchitecture = 'armv7';

Установите DeepLearningConfig свойство объекта конфигурации генерации кода для объекта конфигурации глубокого обучения. Задайте объект конфигурации с исходными комментариями MATLAB, видимыми в кодовом коде.

cfg.DeepLearningConfig = dlcfg;
cfg.MATLABSourceComments = 1;

Конфигурирование аппаратных параметров генерации кода для Raspberry Pi

Создать coder.Hardware объект для Raspberry Pi и присоедините его к объекту конфигурации генерации кода.

hw = coder.hardware('Raspberry Pi');
cfg.Hardware = hw;

Укажите папку сборки на Raspberry Pi.

cfg.Hardware.BuildDir = '~/waveformSegmentation';

Создать исходный код C++ с помощью codegen Функция

Используйте codegen для генерации кода C++. Когда codegen используется с пакетом поддержки MATLAB для аппаратных средств Raspberry Pi, сгенерированный код загружается на плату и компилируется там. Функция PIL MEX генерируется для обмена данными между MATLAB и генерируемым кодом, выполняемым на Raspberry Pi.

Убедитесь, что установлены переменные среды ARM_COMPUTELIB и LD_LIBRARY_PATH на Малиновом Пи. См. раздел Предпосылки для глубокого обучения с помощью кодера MATLAB (MATLAB Coder).

codegen -config cfg waveformSegmentation -args {coder.typeof(single(ones(1,15000)),[1,15000],[0,0])} -report

### Target device has no native communication support. Checking connectivity configuration registrations...
 Deploying code. This may take a few minutes. 
### Target device has no native communication support. Checking connectivity configuration registrations...
### Connectivity configuration for function 'waveformSegmentation': 'Raspberry Pi'
Location of the generated elf : /home/pi/waveformSegmentation/MATLAB_ws/R2020b/C/Users/eshashah/OneDrive_-_MathWorks/Documents/MATLAB/Examples/deeplearning_shared-ex28372959/codegen/lib/waveformSegmentation/pil
Code generation successful: View report

Запуск исполняемой программы на Raspberry Pi

Загрузка файла MAT ecgsignal_test. В файле хранится образец сигнала ЭКГ, на котором можно протестировать сгенерированный код.

Выполнить сгенерированное waveformSegmentation_pil Функция MEX в тестовом сигнале.

load ecgsignal_test.mat;
out = waveformSegmentation_pil(test);

### Starting application: 'codegen\lib\waveformSegmentation\pil\waveformSegmentation.elf'
    To terminate execution: clear waveformSegmentation_pil
### Launching application waveformSegmentation.elf...

Отображение сигналов с прогнозируемыми метками.

labels = categorical(out{1}(1,2000:3000));
msk = signalMask(labels);
plotsigroi(msk,test(1,2000:3000))
title('Predicted Labels')

После проверки выходных данных функции PIL MEX можно создать автономный исполняемый файл для waveformSegmentation функция.

В следующей части показан рабочий процесс создания кода для создания и развертывания автономного исполняемого файла в коде для прогнозирования на Raspberry Pi с помощью приложения MATLAB Coder App.

Создание автономного исполняемого файла с помощью приложения кодера MATLAB

Приложение MATLAB Coder генерирует код C или C++ из кода MATLAB ®. Пользовательский интерфейс на основе рабочего процесса выполняет процесс создания кода. Следующие шаги описывают краткий рабочий процесс с использованием приложения Кодер MATLAB. Дополнительные сведения см. в разделах Кодер MATLAB (Кодер MATLAB) и Создание кода C с помощью приложения кодера MATLAB (Кодер MATLAB).

Выберите файл функции точки входа

На вкладке Приложения щелкните стрелку вниз справа от панели инструментов, чтобы развернуть галерею приложений. В разделе Создание кода (Code Generation) щелкните Кодер MATLAB (MATLAB Coder). Приложение открывает страницу Выбор исходных файлов. Введите или выберите имя функции точки входа, waveformSegmentation.

Щелкните Далее (Next), чтобы перейти на страницу Определение типов ввода (Define Input Types).

Определение типов ввода

1. Выберите Разрешить ввод входных или глобальных типов непосредственно и задайте значение входных данных. in как одиночный (1x15000).

2. Нажмите кнопку Далее, чтобы перейти к шагу Создать код. Пропустите шаг Проверка ошибок времени выполнения, поскольку генерация MEX не поддерживается для генерации кода с помощью библиотеки вычислений ARM.

Создать код

1. Задайте значения в диалоговом окне создания кода:

2. Нажмите кнопку «Дополнительные параметры»:

3. Закройте окно Настройки и создайте код.

4. Нажмите кнопку Далее, чтобы перейти на страницу Завершить рабочий процесс.

Извлечь созданный исполняемый каталог

Как только формирование кода завершено, следующие строки кода для тестирования сгенерированного кода на Raspberry Pi копируют входной сигнал ЭКГ в каталог сгенерированного кода. Этот каталог можно найти вручную или с помощью raspi.utils.getRemoteBuildDirectory API. Эта функция перечисляет каталоги двоичных файлов, которые создаются с помощью codegen функция. Если двоичный файл найден только в одном каталоге, введите:

applicationDirPaths =...

raspi.utils.getRemoteBuildDirectory('applicationName','waveformSegmentation');

targetDirPath = applicationDirPaths{1}.directory;

Копирование входных файлов в Raspberry Pi

Для копирования файлов, необходимых для запуска исполняемой программы, используйте putFile, который поставляется с пакетом поддержки MATLAB для оборудования Raspberry Pi. input.csv файл содержит образец сигнала ЭКГ, который используется для тестирования развернутого кода.

r.putFile('input.csv', targetDirPath);

input = dlmread('input.csv');

Запустить исполняемую программу на Raspberry Pi

Запустите исполняемую программу на Raspberry Pi из MATLAB и получите выходной файл в MATLAB. Имя входного файла должно передаваться в качестве аргумента командной строки для исполняемого файла.

exeName = 'waveformSegmentation.elf'; % Executable name

command = ['cd ' targetDirPath ';./' exeName];

system(r,command)

outputPath = strcat(targetDirPath,'/*.txt');

getFile(r,outputPath)

Отображение сигналов с прогнозируемыми метками. Выходные данные изображены на рисунке.

load ecgsignal_test.mat;

labels = categorical(textread('out.txt','%s')');

msk = signalMask(labels(1,2000:3000));

plotsigroi(msk,test(1,2000:3000))

title('Predicted Labels')

Ссылки

[1] Макшарри, Патрик Э., и др. «Динамическая модель для генерации синтетических сигналов электрокардиограммы». Транзакции IEEE ® по биомедицинской инженерии. т. 50, № 3, 2003, стр. 289-294.

[2] Лагуна, Пабло, Раймон Джане и Пер Каминал. «Автоматическое обнаружение границ волн в многолучевых сигналах ЭКГ: валидация с базой данных CSE». Компьютеры и биомедицинские исследования. Том 27, № 1, 1994, стр. 45-60.

[3] Голдбергер, Ари Л., Луис А. Н. Амарал, Леон Гласс, Джеффери М. Хаусдорфф, Пламен Ч. Иванов, Роджер Г. Марк, Джозеф Э. Миет, Джордж Б. Муди, Чон-Кан Пэн и Х. Эугал «PhysioBank, PhysioToolkit и PhysioNet: компоненты нового исследовательского ресурса для сложных физиологических сигналов». Циркуляция. Том 101, № 23, 2000, стр. e215-e220. [Электронные страницы тиража; http://circ.ahajournals.org/content/101/23/e215.full].