Skip to content

Repositorio para la detección y clasificación de anomalías en ECG usando autoencoders. Se entrena un modelo para aprender patrones normales y detectar desviaciones que indiquen anomalías, utilizando esta representación para su clasificación.

Notifications You must be signed in to change notification settings

frantorres14/ECG-Anomaly-Detection-and-Classification-using-AutoEncoders

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

2 Commits
 
 
 
 
 
 

Repository files navigation

ECG-Anomaly-Detection-and-Classification

En este repositorio se hace un análisis para la detección de anomalías en señales de ECG y su clasificación utilizando autoencoders. Se entrena un autoencoder para aprender la representación normal de las señales cardíacas y detectar desviaciones que indiquen posibles anomalías. Además, se utiliza la representación aprendida para clasificar diferentes tipos de anomalías.


✨ Características

  • Preprocesamiento de datos de ECG: Normalización, segmentación y limpieza de señales.
  • Entrenamiento de autoencoder: Modelado de patrones normales en ECG.
  • Detección de anomalías: Identificación de latidos irregulares mediante reconstrucción de errores.
  • Clasificación de anomalías: Uso del autoencoder para diferenciar tipos de anomalías en ECG.
  • Visualización de resultados: Gráficos de señales, reconstrucción y umbrales de anomalía.

📌 Tecnologías utilizadas

  • Python (NumPy, Pandas, Matplotlib)
  • TensorFlow/Keras (para el autoencoder)

🚀 Uso

  1. Cargar y preprocesar los datos de ECG.
  2. Entrenar el autoencoder en datos normales.
  3. Evaluar la detección de anomalías mediante el error de reconstrucción.
  4. Clasificar anomalías con técnicas supervisadas o semi-supervisadas.

About

Repositorio para la detección y clasificación de anomalías en ECG usando autoencoders. Se entrena un modelo para aprender patrones normales y detectar desviaciones que indiquen anomalías, utilizando esta representación para su clasificación.

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published