心电图智能事件识别
背景
心电图（ECG）是一种简单、经济的院内检查手段，是患者住院或日常体检的常用检测项目。由计算机辅助医生对心电信号进行识别， 有望减轻医生工作负担，并降低人工造成的漏诊。对于某一时长的 ECG 数据，识别其包含哪些心律失常事件，是目前热门的研究方向。
赛题任务
本任务提供原始电信号数据，并据此识别心电信号中所隐含的心律失常事件。
数据集介绍
- 数据一共包含39732条心电数据，被随机划分为训练集和测试集，比例为7:3。
- ecg_data文件夹下的所有心电数据，文件名就是此样本的id，对应到train_label.csv中的id；文件压缩包11G，解压后30G；
- train_label.csv和submit_example.csv就是全量样本的id；
- train_label.csv字段解释
id | label |
|---|---|
a35c4353-bac5-4054-97db-8ee74d6263f9 | “0,1,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0” |
rain_label.csv label的18个数字，分别表示【正常,窦性心律,窦性心动过速,窦性心动过缓,窦性心律不齐,房性早搏,房性逸搏, 房性心动过速,心房颤动,心房扑动,室性早搏,I 度房室传导阻滞,II 度房室传导阻滞,房室内传导阻滞,右束支传导阻滞,左束支传导阻滞, ST段异常,T波异常】
评分标准
代码语言：javascript复制from sklearn.metrics import f1_scoreimport numpy as np
x = [[0,1,0,1,0],[1,1,0,1,0],[0,0,1,0,0],[1,0,0,0,1],[1,0,0,1,1]]
y = [[1,1,0,0,1],[1,1,0,1,0],[1,1,0,0,0],[1,0,1,0,0],[0,0,1,0,1]]
x = np.array(x)
y = np.array(y)
score = f1_score(x,y, average='macro')思路介绍
大致思路：每个导联作为一个通道，ecg共12导联,分别使用1维卷积进行训练
