Text EGM
1.0.0
William Jongwon Han, Diana Gomez, Avi Alok, Chaojing Duan, Michael A. Rosenberg, Douglas Weber, Emerson Liu, Ding Zhao.
2024 년 건강, 추론 및 학습에 관한 회의 (CHIL)에 의해 받아 들여지는 "텍스트 표현을 통한 문자 내 전기 그램의 해석"에 대한 공식 코드.
버그가 발생하거나 궁금한 점이 있으면 문제를 제출하거나 wjhan {at} Andrew {dot} cmu {dot} edu로 문의하십시오.
이 작업을 지원해 주신 Allegheny General Hospital의 Mario Lemieux 심장 리듬 관리 센터에 감사드립니다.
참고 : 우분투 20.04.5 LTS에서만 테스트했습니다.
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
참고 : 사용중인 PIP가 Conda 환경에서 온 것인지 확인하십시오.
Pytorch 버전이 python gpu.py 실행하여 현재 사용 가능한 GPU와 호환되는지 테스트하십시오. 현재 A5000 (24GB) 및 A6000 (48GB) NVIDIA GPU에 대해서만 테스트했습니다.
pip install -r requirements.txt
우리가 선별 한 데이터는 공개적으로 이용할 수 없지만 외부 데이터 세트에 대한 실험 결과가 있습니다 (주요 결과는 종이의 표 2에 있습니다), 즉 Physionet에서 사용할 수있는 "심장 내 심방 세동 데이터베이스"가 있습니다.
이 데이터를 설정하려면 preprocess 폴더에 cd 설정하십시오.
데이터를 다운로드하려면 다음 명령을 실행하십시오.
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 있는 데이터 폴더가 생성됩니다. 전처리 폴더 cd ../ 메인 디렉토리로 돌아갑니다.
이제 train.sh 파일을 직접 사용하여 교육을 시작할 수 있습니다.
sh inference.sh 실행하십시오. 체크 포인트 경로를 지정하십시오. 모든 시각화는 해당 체크 포인트 폴더에 저장됩니다. 시각화하기 전에 cd visualize 하십시오. visualize 폴더 아래에서 다음 스크립트를보십시오.
stitch.sh 재구성 및 예측 신호를 시각화합니다.
viz_tokens.sh 신호의 토큰 화 된 표현을 시각화합니다.
viz_attentions.sh 모델의주의 맵을 시각화합니다.
viz_int_grad.sh 모델의 속성 점수를 시각화합니다.
이 저장소를 찾았거나 자신의 저장소에 도움이된다면 다음 Bibtex를 인용하십시오.
@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}
}
