MIT-LCP / MIT-LCP/wfdb-python

qrs detection learning parameters, 'Failed to find * beats during learning'

Offen
#389 0 Kommentare 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen

Dieses Issue hat noch niemand übernommen.

Vorherrschende Sprache
Jupyter Notebook
Sterne
853
Forks
322
PR-Merge-Kennzahlen
Keine gemergten PRs in 30 T.

Beschreibung

I am having problems with the xqrs class.
I have to work with 1000 Hz real ecg signals.

I would like to know why can't the qrs detection learn initial signal parameters.

In my linked jupyter notebook (had to clear plot outputs of size problems), the function fails to learn on a generated perfect 1000 Hz signal and the interpolated 360 Hz version of it, yet the learning works on the interpolated 360 Hz version of the noisy signal but fails on the 1000 Hz version with wrong output.

When I tried to figure it out in the source code, it seemed like when the finding of beats happen, the ricker wavelet gets compared to wrong sample sized signal, so the wavelet might not be scaled up well.
( I might be completly wrong here)

Thanks for any help!

my representation of the issue:
MWE notebook
data for the example:
clear ecg data
noisy ecg data

Beitragsleitfaden

Für dieses Repository ist kein Beitragsleitfaden indexiert

Erste Schritte

  1. Lies das ganze Issue und danach den Beitragsleitfaden des Projekts.
  2. Schreib ins Issue, dass du es übernimmst — das erspart doppelte Arbeit.
  3. Forke das Repository und arbeite in einem Branch.
  4. Öffne einen Pull Request, der die Issue-Nummer nennt.

Rechercherichtung

Beginne mit dem verlinkten wfdb_qrs_detection.ipynb und führe seine xqrs-Beispiele mit den klaren und verrauschten ECG-Daten sowohl bei 1000 Hz als auch bei 360 Hz aus. Verfolge den Lern- und Schlägenerkennungspfad und vergleiche anschließend die von der Ricker wavelet und dem Signal verwendeten Stichprobengrößen; erledigt ist die Aufgabe, wenn der Fehler und das falsche Ergebnis bei 1000 Hz erklärt oder durch einen reproduzierbaren Fix behoben sind.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Bewertung

Tech-Stack
jupyter-notebook, python
Bereich
bioinformatics
Issue-Typ
Bug
Schwierigkeit
4/5
Geschätzter Aufwand
3-5 Tage
Aktivitätsstatus
Veraltet
Klarheit
Größtenteils klar
Anfängerfreundlichkeit
35/100

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.