加载，重采样，并导入数据到信号标签

本例中标记的信号来自MIT-BIH心律失常数据库[4］．数据库中的每个信号都以平均360hz的频率不规则采样，并由两名心脏病专家进行注释，以便验证结果。

加载两个MIT数据库信号，分别对应记录200和203。将信号重新采样到一个统一的网格，采样时间为1/250秒，这对应于QT数据库数据的名义采样率。

负载mit200Y200 = resample(ecgsig,tm,250);负载mit203Y203 = resample(ecgsig,tm,250);

开放信号贴标签机．在贴标签机选项卡上,单击进口并选择从工作空间在成员列表。在对话框中，选择信号1美元而且y203．添加时间信息:选中时间的下拉列表中，并指定采样率250赫兹。点击导入和关闭．信号出现在标记信号集浏览器．通过选择信号名称旁边的复选框来绘制信号。

定义标签

定义要附加到信号上的标签。

创建自定义自动贴标签函数

创建两个自定义标签功能，一个用于定位和标记QRS复合体，另一个用于定位和标记每个QRS复合体中的R峰。(代码findQRS而且findRpeaks函数将在示例后面出现。)要创建每个函数，请在贴标签机选项卡，展开自动化的价值图库和选择添加自定义功能．信号贴标签机显示一个对话框，要求输入函数的名称、描述和标签类型。

如果你已经写好了函数，并且函数在当前文件夹或MATLAB®路径中，信号贴标签机将函数添加到图库中。如果你还没有写出函数，信号贴标签机在“编辑器”中打开空白模板，以便键入或粘贴代码。保存文件。保存文件后，函数就会出现在图库中。

标记QRS复合体和R峰

找到并标记输入信号的QRS复合体。

信号贴标签机定位并标记所有信号的QRS复合体，但仅显示选中复选框的信号的标签。QRS复合体在图中和标签查看器轴中显示为阴影区域。点击激活平移器淘洗沙金的人在显示按TAB键并放大标记信号的区域。

找到并标注QRS复合体对应的R峰。

标签及其数值出现在图和标签查看器轴中。

导出标记信号和计算心率变异性

导出标记信号以比较每个患者的心率变异性。在贴标签机选项卡上,单击出口并选择到文件在标记信号集列表。在出现的对话框中，给出名称HeartRates.mat并添加可选的简短描述。点击出口．

回到MATLAB®命令窗口。加载标记的信号集。对于集合中的每个信号，计算心率变异性作为连续心跳之间时间差的标准偏差。绘制差异的直方图并显示心率变异性。

负载心率nms = getMemberNames(hearttrates);为K = 1:心率。NumMembers v = getLabelValues(心率，k，[“QRSregions”“Rpeaks”]);hr = diff(cellfun(@(x) x. location,v));子图(2,1,k)直方图(hr,0.5:0.025:1.5)"hrv = "+ std(hr)) ylabel(nms(k)) ylim([0 6])结束

findQRS功能:查找QRS复合体

的findQRS函数查找并标记输入信号的QRS复合体。

这个函数使用了一个辅助函数，computeFSST，对输入数据进行重构并计算傅里叶同步压缩变换(FSST)。你可以储存computeFSST在同一目录下的单独文件中或嵌套在其中findQRS把它插在期末考试之前结束声明。

findQRS使用分类(深度学习工具箱)函数和训练好的深度学习网络网来识别QRS区域。深度学习网络输出一个分类数组，将输入信号的每个点标记为属于P区域、QRS复合体、T区域或不属于这些区域。此函数使用将QRS复合体对应的点标签转换为QRS感兴趣区域标签signalMask然后丢弃剩下的。的df参数只选择持续时间大于20个样本的QRS复合体作为感兴趣区域。如果您没有指定采样速率，该函数将使用默认值250hz。

函数[labelVals,labelLocs] = findQRS(x,t,parentLabelVal,parentLabelLoc,varargin)这是一个模板，用于创建自动标记的自定义函数。％% x是一个矩阵，其中每一列都包含对应于a的数据%的通道。如果通道的长度不同，则x是单元格数组列向量的%。％% t是一个矩阵，其中每一列都包含对应于a的时间%的通道。如果通道的长度不同，那么t是单元格数组列向量的%。％% parentLabelVal是与输出相关联的父标签值%子标签或当输出不是子标签时为空。当父标签为时，% parentLabelLoc包含一个空向量属性，当父标签是一个ROI或一个点时，ROI限制的向量当父标签是一个点时，% location。％% labelVals必须是具有数字、逻辑或字符串输出的列向量%值。当输出标签为属性时，% labelLocs必须为空向量%两列矩阵的ROI限制时，输出标签是ROI，或一列当输出标签为点时，点位置的%向量。labelVals = cell(2,1);labelLocs = cell(2,1);如果nargin<5 Fs = 250;其他的Fs = varargin{1};结束Df = 20;负载(“trainedQTSegmentationNetwork”，“净”）为Kj = 1:size(x,2) sig = x(:， Kj);%重塑输入和计算傅里叶同步压缩变换mitFSST = computeFSST(sig,Fs);%使用训练网络预测哪些点属于QRS区域netPreds =分类(net,mitFSST,MiniBatchSize=50);为QRS区域创建一个信号掩码，并指定最小序列长度QRS = categorical([netPreds{1} netPreds{2}]'，“QRS”）;msk = signalMask(QRS,MinLength=df,SampleRate=Fs);R = roimask(msk);标记QRS复合体为感兴趣的区域labelVals{kj} = r.Value;labelLocs{kj} = r.ROILimits;结束labelVals = vertcat(labelVals{:});labelLocs = cell2mat(labelLocs);在这里插入computeFSST，如果你想把它嵌套在findQRS中。结束

computeFSST功能:重塑输入和计算傅里叶同步压缩变换

此函数使用fsst函数来计算输入的傅里叶同步压缩变换(FSST)。如在使用深度学习的波形分割，当给出每个训练或测试信号的时频图作为输入时，网络性能最佳。FSST产生了一组对循环网络特别有用的特征，因为变换具有与原始输入相同的时间分辨率。功能:

函数signalsFsst = computeFSST(xd,Fs) xd =重塑([xd;randn(10000-length(xd)，1)/100]，5000,2);signalsFsst = cell(1,2);为k = 1:2 [ss,ff] = fsst(xd(:，k)，Fs,kaiser(128));Sp = ss(ff>0.5 & ff<40，:);signalsFsst{k} = normalize([real(sp);imag(sp)]，2);结束结束

findRpeaks函数:寻找R个峰

该函数定位感兴趣的QRS区域的最突出的峰值findQRS．该函数应用MATLAB®islocalmax函数的绝对值的信号在区间定位findQRS．

函数[labelVals,labelLocs] = findRpeaks(x,t,parentLabelVal,parentLabelLoc,varargin) labelVals = 0 (size(parentLabelLoc,1)，1);labelloc = 0 (size(parentLabelLoc,1)，1);为kj = 1:size(parentLabelLoc,1) tvals = t>=parentLabelLoc(kj,1) & t<=parentLabelLoc(kj,2);Ti = t(tvals);lc = islocalmax(abs(xi)，MaxNumExtrema=1);labelVals(kj) = xi(lc);labelLocs(kj) = ti(lc);结束结束

参考文献

[1]拉古纳，巴勃罗，雷蒙Jané，和Pere Caminal。多导联心电信号中波边界的自动检测:CSE数据库的验证计算机和生物医学研究。第27卷第1期，1994年，第45-60页。

Goldberger, Ary L.， Luis A. N. Amaral, Leon Glass, Jeffery M. Hausdorff, Plamen Ch. Ivanov, Roger G. Mark, Joseph E. Mietus, George B. Moody，彭仲康和H. Eugene Stanley。“PhysioBank, PhysioToolkit，和PhysioNet:复杂生理信号新研究资源的组成部分。”循环。卷101，第23期，2000年，第e215-e220页。[流通电子页:http://circ.ahajournals.org/content/101/23/e215.full］．

拉古纳、巴勃罗、罗杰·g·马克、阿里·l·戈德伯格和乔治·b·穆迪。”心电图QT和其他波形间隔测量算法的评估数据库。＂心脏病学中的计算机。第24卷，1997，第673-676页。

[4]穆迪、乔治·B、罗杰·g·马克。“MIT-BIH心律失常数据库的影响。”IEEE医学与生物工程杂志．第20卷第3期，2001年5月至6月，第45-50页。