心電圖訊號分類與機器學習
Electrocardiogram Signal Classification and Machine Learning
| 節 | 週五 |
|---|---|
5 13:20–14:10 | 心電圖訊號分類與機器學習 SC158 3 節連堂 |
6 14:20–15:10 | |
7 15:30–16:20 |
* 根據陽明交大上課時間表所列
• 課程面向: 心電圖訊號之處理與轉換、arduino實作、(Python基本操作)、健康檢查、與機器學習 • 課程概述: 認識心血管疾病 --> 學習心電圖分類 --> 自製Arduino脈搏/心電圖量測裝置 --> 惡補基本的Python程式碼 --> 分析自己的心臟健康 --> 應用機器學習提升心電圖分類準確率 • 課程目標: (一). 醫學觀點:新竹馬偕醫院心臟科林柏霖醫師介紹心血管疾病&分類 (二). 物理觀點:介紹心電圖的複雜度(Complexity)與亂度(Disorder),用以區分心律不整/健康/心臟衰竭三類心電圖訊號,也作為機器學習流程中特徵擷取步驟的新特徵 (三). Arduino實作:學習Arduino技術,自製脈搏/心電圖量測裝置,取得資料 [說明:Arduino是一種傻瓜式的軟硬體組合系統,易學易用。其硬體結合感測元件與微電腦,構建數位裝置和互動式物件,配合免費操控軟體可感測和控制物件] (四). 惡補Python:基本的程式碼 (五). 健康檢查:新竹馬偕醫院心電圖檢查(自由選項 可以不做) / 自行量測&分析自己的心電圖訊號 (六). 機器學習:提升心電圖分類準確率,機器學習流程包含: 1. 資料取得 (Arduino實做 vs. 網路公開資料庫PhysioNet) 2. 特徵擷取 (features extraction/新特徵:MSE、EoE、AE) 3. 特徵挑選 (features selection) 4. 模型建立 5. 模型驗證 [說明:一般機器學習課程著重在後三步驟,本課程涵蓋前兩步驟:資料取得(自行量測心電圖訊號)與特徵擷取(心電圖訊號的複雜度與亂度)]
興趣
老師介紹、助教示範、學生討論
1. 學期作業、考試、評量 作業:
| 週次 | 主題 |
|---|---|
| 第 1 週 | • 醫學觀點: 新竹馬偕醫院心臟科林柏霖醫師介紹心血管疾病&分類 • 物理觀點: 介紹複雜度(Complexity)與亂度(Disorder) 反映心律不整/健康/心臟衰竭三類心電圖訊號 |
| 第 2 週 | • Arduino: 入門實作示範 --- 作業#1:自訂(簡單的) Arduino題目 三周後10/16課堂展示 • 健康檢查 (自由選項 可以不做):新竹馬偕醫院心電圖檢查 (健保費用) |
| 第 3 週 | 中秋節連假 |
| 第 4 週 | 國慶日連假 |
| 第 5 週 | • Arduino: 實作 + (學生)作業#1成果展示 • 複雜度與亂度:[訊號複雜度的演進_Shannon Entropy.pptx] • 健康檢查 (自由選項 可以不做):新竹馬偕醫院心電圖檢查 (健保費用) |
| 第 6 週 | • 機器學習: 入門介紹 [Introduction to Machine Learning_1.pptx] • Python惡補: 安裝Python & 基本程式碼 • DIY取得心電圖(ECG)數據:單導心電圖紀錄器(Holter)使用示範 |
| 第 7 週 | • 機器學習: 資料取得 (Holter數據 vs. 網路公開資料庫PhysioNet數據) • Python惡補: 基本程式碼 & (讀取數據+擷取變數) 程式碼 --- 作業#2: 讀取Holter心電圖數據 + 製作RR interval series |
| 第 8 週 | • 期中進度報告 --- 各人自由解讀自己的Holter心電圖數據 (10~20分鐘/人) • 新竹馬偕醫院心臟科林柏霖醫師解說"健康檢查"結果 |
| 第 9 週 | • Arduino: (分組) 自製 脈搏紀錄器或單導心電圖紀錄器(Holter) --- 作業#3(自由選項):自製脈搏紀錄器或單導Holter • 機器學習: 特徵擷取(feature extraction) & 特徵挑選(feature selection) [知維碩士口試Final_L20200410.pptx] |
| 第 10 週 | • 複雜度與亂度:MSE(複雜度)、EoE(複雜度)、AE(亂度) [徐銓博士口試投影片_v2_L20200820.pptx] • 機器學習: 特徵擷取 (features extraction/新特徵:MSE、EoE、AE) • Python惡補: (MSE/EoE/AE) 程式碼 --- 作業#4: 計算Holter心電圖數據的MSE/EoE/AE |
| 第 11 週 | • 機器學習: 模型建立 & 切割資料 (train set與test set) [機器學習_分類器演練&未知訊號的判斷.pptx] • Python惡補: 切割資料 (train set與test set) 程式碼 --- 作業#5: 切割資料 (train set與test set),分別計算MSE/EoE/AE |
| 第 12 週 | • Arduino: (學生)作業#3成果展示 (脈搏紀錄器或單導Holter) • 機器學習: 模型建立 & 分類器 (三種常用LDA/KNN/SVM) [機器學習_分類器演練&未知訊號的判斷_秉言.pptx] • Python惡補: (LDA/KNN/SVM分類器 + 計算準確率) 程式碼 --- 作業#6: 建立模型:切割資料 + 特徵維度 + 分類器 計算準確率 |
| 第 13 週 | • 3D列印: 入門實作示範 (自由選項) • 機器學習: 模型驗證 (評估模型的好壞) [Week10_機器學習_模型評估LDA&KNN&SVM_秉言.pptx] --- 作業#7: 評估模型的好壞 (自由選項) |
| 第 14 週 | • 複習 & 討論 |
| 第 15 週 | • 期末成果展示 (分組;1~2人/組 & 題目自訂) |
| 第 16 週 | 元旦假日 |
| 第 17 週 | 彈性補充教學 |
| 第 18 週 | 彈性補充教學 |
無
- 地點
- 教室 158
- 時間
- 課後
- 聯絡方式
- E3/Email/Messenger