TSST时间变换压缩和CONVIT的模型对心电信号分类应用（白话版，小学生都能听懂）关注微信公众号“猛男爱写代码“看细节

感谢我亲爱的导师发表的论文  心电信号分类论文 非常具有创新性和应用性。

这些是别人大佬对convit模型的解释 https://www.frontiersin.org/journals/cardiovascular-medicine/articles/10.3389/fcvm.2022.983543/full

大佬对TSST的解释 https://blog.youkuaiyun.com/m0_60703264/article/details/133779671

我按照导师里面的提到的数据库 心电信号数据库 MIT-BIH Arrhythmia Database v1.0.0 下载的数据文件（通常包括 .dat、.hea 文件及注释文件）。

这个是我用代码 获取的 一个完整的病例编号100的一个完整的时序心电信号图，其中有红色虚线的是被标注的地方。

这段代码是将 数据库里面的 数字信号 过滤降噪后 得到心电图的片段

import wfdb
import numpy as np
import matplotlib.pyplot as plt
import os

# 读取 ECG 数据和标注
def load_record(record_id='100'):
    record = wfdb.rdrecord(f'D:\\QT_item\\Statistial_modeling\\shujuji\\mit-bih-arrhythmia-database-1.0.0/{record_id}')
    annotation = wfdb.rdann(f'D:\\QT_item\\Statistial_modeling\\shujuji\\mit-bih-arrhythmia-database-1.0.0/{record_id}', 'atr')
    return record, annotation

# 带通滤波（降噪）
def bandpass_filter(signal_data, lowcut=0.5, highcut=40.0, fs=360, order=4):
    from scipy.signal import butter, filtfilt
    nyquist = 0.5 * fs
    low = lowcut / nyquist
    high = highcut / nyquist
    b, a = butter(order, [low, high], btype='band')
    return filtfilt(b, a, signal_data)

# 处理 ECG 数据并分类存储
def preprocess_and_classify(record_id='100', window_size=300):
    record, annotation = load_record(record_id) #该函数返回 ECG 信号 (record) 和 标注信息 (annotation)，用于后续分析。
    ecg_signal = record.p_signal[:, 0]  # 选取第一个通道
    filtered_ecg = bandpass_filter(ecg_signal)  # 过滤

    labels = annotation.symbol  # 获取疾病标注