MIT-LCP / MIT-LCP/wfdb-python

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

Ouverte
#389 0 commentaires 0 réactions 0 personnes assignées Voir sur GitHub

Personne n'a encore pris cette issue.

Langage dominant
Jupyter Notebook
Étoiles
853
Forks
322
Métriques de merge des PR
Aucune PR mergée en 30 j

Description

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

Guide de contribution

Aucun guide de contribution indexé pour ce dépôt

Par où commencer

  1. Lisez l'issue en entier, puis le guide de contribution du projet.
  2. Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
  3. Forkez le dépôt et travaillez sur une branche.
  4. Ouvrez une pull request qui référence le numéro de l'issue.

Piste de recherche

Commencez par le wfdb_qrs_detection.ipynb lié et exécutez ses exemples xqrs sur les données ECG claires et bruitées, à la fois à 1000 Hz et à 360 Hz. Suivez le chemin de l’apprentissage et de la détection des battements, puis comparez les tailles d’échantillon utilisées par la Ricker wavelet et le signal ; le travail est terminé lorsque l’échec et le résultat incorrect à 1000 Hz sont expliqués ou couverts par un correctif reproductible.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Évaluation

Stack technique
jupyter-notebook, python
Domaine
bioinformatics
Type d'issue
Bug
Difficulté
4/5
Temps estimé
3-5 jours
Activité
À l'abandon
Clarté
Plutôt claire
Accessibilité débutants
35/100

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.