Документация

Загрузка и подготовка данных

Используйте QTdownload функция для загрузки сигналов электрокардиограммы (ЭКГ) из общедоступной базы данных QT [1] [2] в новую временную директорию folder. Код для этой функции находится в конце примера.

folder = QTdownload;

Каждый файл содержит сигнал ЭКГ ecgSignal, таблица меток областей signalRegionLabels, и переменная частоты дискретизации Fs. Все сигналы имеют частоту дискретизации 250 Гц. Метки области соответствуют трем морфологиям пульса:

Создайте сигнальный datastore, который указывает на folder. Задайте имя переменной сигнала ecgSignal и переменную частоты дискретизации Fs.

sds = signalDatastore(folder,'SignalVariableNames','ecgSignal','SampleRateVariableName','Fs');

Создайте подмножество datastore, содержащего первые двадцать файлов. Используйте это подмножество в качестве источника для labeledSignalSet объект.

subsds = subset(sds,1:20);
lss = labeledSignalSet(subsds);

Маркируйте необходимые области

Откройте приложение Signal Labeler и импортируйте маркированный набор сигналов из Рабочей области. Постройте график первого сигнала в наборе данных. На вкладке Display выберите панораму и масштабирование до меньшей области сигнала для лучшей визуализации.

На вкладке Labeler задайте категориальную интересующую область (ROI) метку с категориями P, QRS и T. Назовите имя метки BeatMorphologies.

Создайте пользовательскую функцию маркировки labelECGregions чтобы найти и пометить трёх различных необходимых областей. Код для пользовательской функции появится позже в примере. Можно сохранить функцию в текущей папке, по пути MATLAB или добавить ее в приложение, выбрав Add Custom Function в галерее Automate Value. Для получения дополнительной информации см. раздел «Пользовательские функции маркировки».

Выберите BeatMorphologies в браузере Определения и выберите labelECGregions функция из галереи Automate Value. Выберите Auto-Label а затем Auto-Label and Inspect Plotted. Нажмите Запуск. На вкладке Display увеличьте изображение области маркированного сигнала и используйте панораму для навигации по времени. Если маркировка удовлетворительна, щелкните Сохранить метки (Save Labels), чтобы принять метки и закрыть вкладку Автометка (Autolabel). Метки и их значения местоположения можно увидеть в браузере маркированного набора сигналов.

Визуализация прогресса и статистики маркировки

Выберите панель инструментов на панели инструментов вкладки Labeler. Индикатор прогресса показывает, что 5% представителей помечены по крайней мере одной меткой информация только для чтения. Это соответствует 1/20 представителям в наборе данных. Круговая диаграмма распределения меток показывает количество образцов каждой категории для выбранного определения метки.

Закройте инструментальную панель и продолжите маркировку. Выберите Auto-Label а затем Auto-Label All Signals чтобы пометить следующие четыре сигнала в списке. Установите флажок рядом с именами сигналов, которые вы хотите пометить, и нажмите кнопку ОК.

Еще раз выберите панель мониторинга. Индикатор прогресса теперь показывает, что 25% представителей помечены. Проверьте распределение каждой категории (P, QRS или T) как ожидалось. The Label Distribution круговая диаграмма показывает, что каждая категория составляет около трети всех образцов меток. Выберите Time Distribution гистограмма из галереи Графики, чтобы просмотреть среднюю длительность волн P и T и комплексов QRS. Волны T имеют большие длительности, чем P-волны и комплексы QRS.

Щелкните на столбиковую диаграмму прогресса и настройте Threshold на панели инструментов для подсчета только представителей с по крайней мере 5000 метки. Теперь в подсчет включены только три из пяти маркированных представителей. Измените порог подсчета, чтобы лучше различить маркированные и нелетящие представители на основе ваших требований к маркировке.

labelECGregions Функция:

The labelECGregions функция использует предварительно обученную нейронную сеть для глубокого обучения, чтобы идентифицировать морфологии P, QRS и T сердцебиения в сигналах ЭКГ.

function [labelVals,labelLocs] = labelECGregions(x,t,parentLabelVal,parentLabelLoc,varargin)

labelVals = cell(2,1);
labelLocs = cell(2,1);

if nargin<5
    Fs = 250;
else
    Fs = varargin{1};
end

% Download the pretrained networks
netURL = 'https://ssd.mathworks.com/supportfiles/SPT/data/QTDatabaseECGSegmentationNetworks.zip'; %#ok<*UNRCH>
modelsFolder = fullfile(tempdir,'QTDatabaseECGSegmentationNetworks');
modelsFile = fullfile(modelsFolder,'trainedNetworks.mat');
zipFile = fullfile(tempdir,'QTDatabaseECGSegmentationNetworks.zip');
    if ~exist(modelsFolder,'dir')
        websave(zipFile,netURL);
        unzip(zipFile,fullfile(tempdir,'QTDatabaseECGSegmentationNetworks'));
    end
load(modelsFile)
    
    for kj = 1:size(x,2)
    
        sig = x(:,kj)';
    
        predTest = classify(rawNet,sig,'MiniBatchSize',50);
        
        msk = signalMask(predTest);
        msk.SpecifySelectedCategories = true;
        msk.SelectedCategories = find(msk.Categories ~= "n/a");
        
        labels = roimask(msk);
        labelVals{kj} = labels.Value;
        labelLocs{kj} = labels.ROILimits/Fs;
    end

labelVals = vertcat(labelVals{:});
labelLocs = cell2mat(labelLocs);

end

QTdownload Функция:

Можно скачать файлы данных из https://www.mathworks.com/supportfiles/SPT/data/QTDatabaseECGData.zip или использовать unzip функция для создания QTDatabaseECGData папка во временной директории с 210 MAT-файлами в ней.

function folder = QTdownload

dataURL = 'https://www.mathworks.com/supportfiles/SPT/data/QTDatabaseECGData1.zip';
datasetFolder = fullfile(tempdir,'QTDataset');
zipFile = fullfile(tempdir,'QTDatabaseECGData.zip');
if ~exist(datasetFolder,'dir')
     websave(zipFile,dataURL);
     unzip(zipFile,tempdir);
end
folder = datasetFolder;

end

Ссылки

[1] Голдбергер, Ари Л., Луис А. Н. Амарал, Леон Гласс, Джеффри М. Хаусдорф, Пламен Ч. Иванов, Роджер Г. Марк, Джозеф Е. Миетус, Джордж Б. Муди, Чунг-Канг Пенг PhysioBank, PhysioToolkit и PhysioNet: компоненты нового исследовательского ресурса комплексных физиологических сигналов. Циркуляция. Том 101, № 23, 2000, стр. e215-e220. [Тиражные электронные страницы; http://circ.ahajournals.org/content/101/23/e215.full].

[2] Лагуна, Пабло, Роджер Г. Марк, Ари Л. Голдбергер и Джордж Б. Муди. «База данных для оценки алгоритмов измерения интервалов QT и других сигналов в ЭКГ». Компьютеры в кардиологии. Vol.24, 1997, стр 673–676.