Heartbeat is a research project focused on classifying heartbeats using ECG (electrocardiogram) data. Within the scope
of this project, both conventional and state-of-the-art models from the literature, as well as experimental deep
learning architectures, will be investigated and compared through experimental analyses.
Note: This is only a v0.1.0 Initial version; many new features will be added, models
will be fine-tuned or trained from scratch, and various optimization efforts will be applied. For more information,
you can check out the Upcoming section.
Note: If you would like to contribute to this repository, please read the CONTRIBUTING first.
- Prerequisites
- Features
- Reports
- Installation
- File Structure
- Version Control System
- Upcoming
- Documentations
- License
- Links
- Team
- Contact
- Citation
Python 3.12(or above)aws cli(for dataset download)
- OneDCNN
- AdvancedOneDCNN
- OneDSelfONN
- AdvancedOneDSelfONN
| Model | Accuracy | Precision | Recall | F1 Score |
|---|---|---|---|---|
| OneDCNN | 0.59 | 0.36 | 0.59 | 0.45 |
| AdvancedOneDCNN | 0.59 | 0.35 | 0.59 | 0.44 |
| OneDSelfONN | 0.60 | 0.44 | 0.58 | 0.45 |
| AdvancedOneDSelfONN | 0.58 | 0.58 | 0.56 | 0.43 |
sudo apt update -y && sudo apt upgrade -ygit clone https://github.com/bunyaminergen/Heartbeatcd Heartbeatconda env create -f environment.yamlconda activate Heartbeataws s3 sync --no-sign-request s3://physionet-open/challenge-2017/1.0.0/training .data/raw/trainaws s3 sync --no-sign-request s3://physionet-open/challenge-2017/1.0.0/validation .data/raw/validation.
├── config
│ └── config.yaml
├── .data
│ ├── binary
│ │ ├── labels.npy
│ │ └── signals.npy
│ └── raw
│ ├── train
│ │ ├── A00
│ │ │ ├── A00001.hea
│ │ │ ├── A00001.mat
│ │ │ ├── A00002.hea
│ │ │ ├── A00002.mat
│ │ │ ├── ...
│ │ │ ├── A00998.hea
│ │ │ ├── A00998.mat
│ │ │ ├── A00999.hea
│ │ │ └── A00999.mat
│ │ ├── A01
│ │ │ ├── A01000.hea
│ │ │ ├── A01000.mat
│ │ │ ├── A01001.hea
│ │ │ ├── A01001.mat
│ │ │ ├── ...
│ │ │ ├── A01998.hea
│ │ │ ├── A01998.mat
│ │ │ ├── A01999.hea
│ │ │ └── A01999.mat
│ │ ├── A02
│ │ │ ├── A02000.hea
│ │ │ ├── A02000.mat
│ │ │ ├── A02001.hea
│ │ │ ├── A02001.mat
│ │ │ ├── ...
│ │ │ ├── A02998.hea
│ │ │ ├── A02998.mat
│ │ │ ├── A02999.hea
│ │ │ └── A02999.mat
│ │ ├── A03
│ │ │ ├── A03000.hea
│ │ │ ├── A03000.mat
│ │ │ ├── A03001.hea
│ │ │ ├── A03001.mat
│ │ │ ├── ...
│ │ │ ├── A03998.hea
│ │ │ ├── A03998.mat
│ │ │ ├── A03999.hea
│ │ │ └── A03999.mat
│ │ ├── A04
│ │ │ ├── A04000.hea
│ │ │ ├── A04000.mat
│ │ │ ├── A04001.hea
│ │ │ ├── A04001.mat
│ │ │ ├── ...
│ │ │ ├── A04998.hea
│ │ │ ├── A04998.mat
│ │ │ ├── A04999.hea
│ │ │ └── A04999.mat
│ │ ├── A05
│ │ │ ├── A05000.hea
│ │ │ ├── A05000.mat
│ │ │ ├── A05001.hea
│ │ │ ├── A05001.mat
│ │ │ ├── ...
│ │ │ ├── A05998.hea
│ │ │ ├── A05998.mat
│ │ │ ├── A05999.hea
│ │ │ └── A05999.mat
│ │ ├── A06
│ │ │ ├── A06000.hea
│ │ │ ├── A06000.mat
│ │ │ ├── A06001.hea
│ │ │ ├── A06001.mat
│ │ │ ├── ...
│ │ │ ├── A06998.hea
│ │ │ ├── A06998.mat
│ │ │ ├── A06999.hea
│ │ │ └── A06999.mat
│ │ ├── A07
│ │ │ ├── A07000.hea
│ │ │ ├── A07000.mat
│ │ │ ├── A07001.hea
│ │ │ ├── A07001.mat
│ │ │ ├── ...
│ │ │ ├── A07998.hea
│ │ │ ├── A07998.mat
│ │ │ ├── A07999.hea
│ │ │ └── A07999.mat
│ │ ├── A08
│ │ │ ├── A08000.hea
│ │ │ ├── A08000.mat
│ │ │ ├── A08001.hea
│ │ │ ├── A08001.mat
│ │ │ ├── ...
│ │ │ ├── A08527.hea
│ │ │ ├── A08527.mat
│ │ │ ├── A08528.hea
│ │ │ └── A08528.mat
│ │ ├── MD5SUMS
│ │ ├── RECORDS
│ │ ├── RECORDS-af
│ │ ├── RECORDS-noisy
│ │ ├── RECORDS-normal
│ │ ├── RECORDS-other
│ │ ├── REFERENCE.csv
│ │ ├── REFERENCE-v0.csv
│ │ ├── REFERENCE-v1.csv
│ │ ├── REFERENCE-v2.csv
│ │ ├── REFERENCE-v3.csv
│ │ ├── SHA1SUMS
│ │ └── SHA256SUMS
│ └── validation
│ ├── A00001.hea
│ ├── A00001.mat
│ ├── A00002.hea
│ ├── A00002.mat
│ ├── ...
│ ├── A04735.hea
│ ├── A04735.mat
│ ├── A04805.hea
│ ├── A04805.mat
│ ├── MD5SUMS
│ ├── RECORDS
│ ├── RECORDS-af
│ ├── RECORDS-noisy
│ ├── RECORDS-normal
│ ├── RECORDS-other
│ ├── REFERENCE.csv
│ ├── REFERENCE-v0.csv
│ ├── REFERENCE-v1.csv
│ ├── REFERENCE-v2.csv
│ ├── REFERENCE-v3.csv
│ ├── SHA1SUMS
│ └── SHA256SUMS
├── .docs
│ ├── documentation
│ │ ├── CONTRIBUTING.md
│ │ └── RESOURCES.md
│ ├── img
│ │ └── HeartbeatLogo.png
│ └── report
│ └── img
│ ├── confusion_matrix_test.png
│ ├── confusion_matrix_train.png
│ ├── confusion_matrix_val.png
│ ├── roc_curve.png
│ └── training.png
├── environment.yaml
├── .gitignore
├── LICENSE
├── .logs
│ └── heartbeat.log
├── main.py
├── notebook
│ └── eda.ipynb
├── README.md
├── requirements.txt
├── src
│ ├── model
│ │ ├── evaluation.py
│ │ ├── model.py
│ │ └── train.py
│ └── utils
│ ├── data
│ │ └── manager.py
│ ├── log
│ │ └── manager.py
│ └── visualization
│ └── visualize.py
29 directories, 17707 files
- Speech Emotion Recognition: Develop a model to automatically detect emotions from speech data.
- Transform the code structure into a pipeline for better modularity and scalability.
@software{ Heartbeat,
author = {Bunyamin Ergen},
title = {{Heartbeat}},
year = {2025},
month = {01},
url = {https://github.com/bunyaminergen/Heartbeat},
version = {v0.1.0},
}