背景研究

1. 复现: 《An Effective Algorithm for Beat-to-Beat Heart Rate
   Monitoring from Ballistocardiograms》Jingxian Liang 2020 (Task 4.1)

机器学习框架

可参考各种开源框架

• https://www.kaggle.com
• https://scikit-learn.org/stable/

深度学习

1. U-Net：研究可用的开源pytorch代码 (Task 4.1)

• https://www.jianshu.com/p/3c920bc316f9
• https://blog.csdn.net/rosefun96/article/details/88868527?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task

研究目标

将 U-Net 运用于 BCG 信号检测，提高
准确率

PyTorch课程(Task 4.16 每周 2 课）

• 深度学习理论与实战PyTorch实现视频教程
• PyTorch入门与实战视频教程

数据库

运行环境

https://colab.research.google.com

论文搜索

https://xueshu.baidu.com/
https://scholar.google.com/
https://www.google.com/

论文下载

https://sci-hub.tw/

论文投稿

ICBEB
IEEE Access