Text EGM

Interpretação de eletrogramas intracardíacos através de representações textuais

William Jongwon Han, Diana Gomez, Avi Alok, Chaojing Duan, Michael A. Rosenberg, Douglas Weber, Emerson Liu, Ding Zhao.

Código oficial para "interpretação dos eletrogramas intracardíacos através de representações textuais" aceitas por 2024 Conferência sobre Saúde, Inferência e Aprendizagem (CHIL).

Se você experimentar algum bug ou tiver alguma dúvida, envie um problema ou entre em contato com Wjhan {em} Andrew {dot} cmu {dot} edu.

Agradecemos ao Centro Mario Lemieux pelo CARECH RHITHM CARE no Allegheny General Hospital por apoiar este trabalho.

Configurar ambiente

Nota: Testamos apenas o Ubuntu 20.04.5 LTS.

1. conda create -n envname python=3.8

2. conda activate envname

3. git clone https://github.com/willxxy/ekg-af.git

4. cd ekg-af

5. 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

NOTA: Certifique -se de que o PIP que você está usando é do ambiente do conda

6. Teste se a versão Pytorch é compatível com as GPUs atuais e disponíveis, executando python gpu.py Atualmente, testamos apenas em GPUs NVIDIA A5000 (24 GB) e A6000 (48 GB).

7. pip install -r requirements.txt

Configurar dados

1. Embora os dados que selecionamos não estejam disponíveis ao público, temos resultados experimentais em um conjunto de dados externo (os principais resultados estão na Tabela 2 no artigo), a saber, o "banco de dados de fibrilação atrial intracardíaco" disponível na fisiotera.

2. Para configurar esses dados, cd na pasta preprocess .

3. Execute o seguinte comando para baixar os dados.

 wget https://physionet.org/static/published-projects/iafdb/intracardiac-atrial-fibrillation-database-1.0.0.zip

4. Descompactar o arquivo executando

 unzip intracardiac-atrial-fibrillation-database-1.0.0

5. Agora execute o comando seguinte para pré -processar os dados.

 sh preprocess.sh

6. Isso deve criar uma pasta de dados com vários .npy para treinamento, validação e teste.

Comece a treinar

1. Do cd ../ volta ao diretório principal.

2. Agora você pode usar diretamente os arquivos train.sh para começar o treinamento.

Inferência

1. Por favor, execute sh inference.sh após o treinamento. Certifique -se de especificar o caminho do ponto de verificação.

Visualizações

Todas as visualizações serão salvas em sua respectiva pasta de ponto de verificação. cd visualize antes de visualizar. Sob a pasta visualize , veja os seguintes scripts:

1. stitch.sh - visualiza os sinais reconstruídos e previstos.

2. viz_tokens.sh - visualiza a representação tokenizada do sinal.

3. viz_attentions.sh - visualiza o mapa de atenção do modelo.

4. viz_int_grad.sh - visualiza as pontuações de atribuição do modelo.

Citação

Se você achou este repositório ou trabalho útil para o seu, cite o seguinte Bibtex.

 @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}
}