文件名称：DeepECG:使用深度学习检测房颤
文件大小：703KB
文件格式：ZIP
更新时间：2024-06-07 01:02:30
python shell csv deep-learning neural-network
深度心电图 基本概述 具有深度概率模型的心房颤动检测。 后端应用程序。 使用进行模型训练和测试。 依存关系 需要以下依赖项。 Python 用法 我已经为您进行了培训。 您可以使用dirichlet_model文件夹中保存的模型立即进行预测。 但是请确保根据您的路径更改direchlet_model/checkpoint中的路径。 如果您想自己再次训练，请运行以下笔记本文件： ，下载并开始训练。 请注意，在1000个纪元内，训练将花费一些时间。 我在Tesla K80上花费了大约8-9个小时。 对于我正在从事的项目，我创建了一些shell文件和python文件来转换和预测东西。 要预测图像是否为AF（心房颤动）： predict < image> 它将返回类似这样的内容 [ { 'target_pred' : { 'A' : 0.021675685 ,
【文件预览】：
DeepECG-master
----.ipynb_checkpoints()
--------test-checkpoint.ipynb(72B)
--------predict-checkpoint.ipynb(3KB)
--------dirichlet_model_training-checkpoint.ipynb(20KB)
--------img2csv-checkpoint.ipynb(2KB)
----diagnose_report.sql(5KB)
----dirichlet_model_training.ipynb(158KB)
----dbconnect.php(689B)
----test.ipynb(15KB)
----predict(976B)
----dirichlet_model()
--------model-26000.index(14KB)
--------model-26000.data-00000-of-00001(238KB)
--------model-26000.meta(11.65MB)
--------attrs.json(118B)
--------checkpoint(181B)
----images.php(657B)
----api.php(4KB)
----img2csv.ipynb(2KB)
----img2csv.py(1KB)
----raw2img(235B)
----raws2img(575B)
----predict.py(2KB)
----LICENSE.md(1KB)
----README.md(2KB)
----mat2csv.py(481B)
----reports.php(6KB)
----predict.ipynb(3KB)
----mat2csv.ipynb(3KB)
----.gitignore(20B)
----csv2img.gnuplot(251B)