Text EGM
1.0.0
ウィリアム・ジョンウォン・ハン、ダイアナ・ゴメス、アヴィ・アロック、チャージン・ドゥアン、マイケル・A・ローゼンバーグ、ダグラス・ウェーバー、エマーソン・リュー、ディン・ザオ。
2024年の健康、推論、および学習に関する会議（CHIL）（Chil）で受け入れられた「テキスト表現による心身のエレクトログラムの解釈」の公式コード。
バグが発生したり、質問がある場合は、wjhan {at} andrew {dot} cmu {dot} eduで問題または連絡先を送信してください。
この作業を支援してくれたアレゲニー総合病院のマリオレミューセンターフォーハートリズムケアに感謝します。
注：Ubuntu 20.04.5 LTSでのみテストしました。
conda create -n envname python=3.8
conda activate envname
git clone https://github.com/willxxy/ekg-af.git
cd ekg-af
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113
注：使用しているピップがコンドラ環境からのものであることを確認してください
Pytorchバージョンがpython gpu.pyを実行して、利用可能な最新のGPUと互換性があるかどうかをテストします。現在、A5000（24 GB）およびA6000（48 GB）Nvidia GPUでのみテストしています。
pip install -r requirements.txt
キュレーションしたデータは公開されていませんが、外部データセットに実験結果があります（主な結果は論文の表2にあります）。
このデータをセットアップするには、 cd preprocessフォルダーに入れます。
次のコマンドを実行して、データをダウンロードしてください。
wget https://physionet.org/static/published-projects/iafdb/intracardiac-atrial-fibrillation-database-1.0.0.zip
unzip intracardiac-atrial-fibrillation-database-1.0.0
sh preprocess.sh
.npyを備えたデータフォルダーが作成されます。 Preprocessフォルダーcd ../メインディレクトリに戻ります。
これで、 train.shファイルを使用してトレーニングを開始できるようになりました。
sh inference.shを実行してください。チェックポイントパスを指定してください。 すべての視覚化は、それぞれのチェックポイントフォルダーの下に保存されます。視覚化する前にcd visualizeください。 visualizeフォルダーの下で、次のスクリプトをご覧ください。
stitch.sh再構築された信号と予測された信号を視覚化します。
viz_tokens.sh信号のトークン化された表現を視覚化します。
viz_attentions.shモデルの注意マップを視覚化します。
viz_int_grad.shモデルの帰属スコアを視覚化します。
このリポジトリを見つけたり、自分で役立つようにしている場合は、次のBibtexを引用してください。
@misc{han2024interpretation,
title={Interpretation of Intracardiac Electrograms Through Textual Representations},
author={William Jongwon Han and Diana Gomez and Avi Alok and Chaojing Duan and Michael A. Rosenberg and Douglas Weber and Emerson Liu and Ding Zhao},
year={2024},
eprint={2402.01115},
archivePrefix={arXiv},
primaryClass={cs.CL}
}
