文件名称：ecg-diagnosis:用于12导联心电图解释的深度学习
文件大小：23KB
文件格式：ZIP
更新时间：2024-06-14 09:51:49
Python
可解释性深度学习用于12导联心电图的自动诊断 该存储库包含用于可解释性深度学习的代码，用于自动诊断12导联心电图。 心电图（ECG）是广泛用于心血管疾病诊断的可靠，非侵入性方法。 随着心电图检查的Swift发展和心脏病医生的不足，准确地自动诊断心电图信号已成为研究的热点。 深度学习方法已在预测性医疗保健任务中显示出令人鼓舞的结果。 在这项工作中，我们开发了一种深度神经网络，用于12导联心电图记录中的心律不齐的多标签分类。 在公开的12导联ECG数据集上进行的实验表明了我们方法的有效性。 所提出的模型在接收器工作特性曲线（AUC）下获得的平均面积为0.970，平均F1得分为0.813。 使用单导联心电图作为模型输入所产生的性能低于使用所有12条导联。 表现最佳的潜在客户是12根潜在客户中的潜在客户I，aVR和V5。 最后，我们采用了SHapley Additive exPlanations（
【文件预览】：
ecg-diagnosis-master
----.gitignore(201B)
----results()
--------.gitkeep(0B)
----data()
--------.gitkeep(0B)
----models()
--------.gitkeep(0B)
----statistic.py(1KB)
----baselines.py(4KB)
----utils.py(2KB)
----README.md(2KB)
----imgs()
--------.gitkeep(0B)
----visualize.py(2KB)
----shap()
--------.gitkeep(0B)
----expert_features.py(2KB)
----QRSDetectorOffline.py(15KB)
----preprocess.py(3KB)
----plots()
--------.gitkeep(0B)
----dataset.py(2KB)
----main.py(5KB)
----predict.py(6KB)
----shap_values.py(7KB)
----logs()
--------.gitkeep(0B)
----resnet.py(3KB)