หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

สถานะ: เก็บถาวร รหัสมีให้ตามที่คาดไว้โดยไม่คาดหวัง น่าเสียดายที่ฉันไม่มีเวลาส่วนตัวในการอุทิศเพื่อรักษา repo/ตอบสนองต่อปัญหานี้หรือเข้าถึงชุดข้อมูลเลียนแบบอีกต่อไปแม้ว่าฉันหวังว่ารหัสโมเดลและการแยกข้อมูลยังคงเป็นประโยชน์ต่อชุมชน

caml-mimic

รหัสสำหรับกระดาษที่อธิบายการทำนายรหัสทางการแพทย์จากข้อความทางคลินิก

การพึ่งพาอาศัยกัน

  • Python 3.6 แม้ว่า 2.7 ควรจะทำงานได้เช่นกัน
  • Pytorch 0.3.0
  • TQDM
  • Scikit-learn 0.19.1
  • Numpy 1.13.3, Scipy 0.19.1, Pandas 0.20.3
  • JUPYTER-NOTEBOOK 5.0.0
  • Gensim 3.2.0
  • NLTK 3.2.4

รุ่นอื่น ๆ อาจใช้งานได้เช่นกัน แต่สิ่งที่ระบุไว้คือรุ่นที่ฉันเคยใช้

การประมวลผลข้อมูล

ในการเริ่มต้นใช้งาน constants.py ที่การแก้ไขครั้งแรก PY เพื่อชี้ไปที่ไดเรกทอรีที่ถือสำเนาชุดข้อมูล MIMIC-II และ MIMIC-III ของคุณ จากนั้นจัดระเบียบข้อมูลของคุณด้วยโครงสร้างต่อไปนี้: 

 mimicdata
|   D_ICD_DIAGNOSES.csv
|   D_ICD_PROCEDURES.csv
|   ICD9_descriptions (already in repo)
└───mimic2/
|   |   MIMIC_RAW_DSUMS
|   |   MIMIC_ICD9_mapping
|   |   training_indices.data
|   |   testing_indices.data
└───mimic3/
|   |   NOTEEVENTS.csv
|   |   DIAGNOSES_ICD.csv
|   |   PROCEDURES_ICD.csv
|   |   *_hadm_ids.csv (already in repo)

ไฟล์ MIMIC-II สามารถรับได้จากที่เก็บนี้

ตอนนี้ตรวจสอบให้แน่ใจว่าเส้นทาง Python ของคุณมีไดเรกทอรีพื้นฐานของที่เก็บนี้ จากนั้นในสมุดบันทึก Jupyter ให้เรียกใช้เซลล์ทั้งหมด (ในเมนูคลิกเซลล์ -> เรียกใช้ทั้งหมด) ใน notebooks/dataproc_mimic_II.ipynb และ notebooks/dataproc_mimic_III.ipynb สิ่งเหล่านี้จะใช้เวลาสักครู่ดังนั้นไปเดินเล่นหรืออบคุกกี้ในขณะที่คุณรอ คุณสามารถเร่งความเร็วได้โดยการข้ามส่วน "Pre-Train Word Embeddings"

โมเดลที่บันทึกไว้

ในการทำซ้ำผลลัพธ์ของกระดาษโดยตรงก่อนที่จะเรียกใช้ขั้นตอนการประมวลผลข้อมูลด้านบน เราจัดทำโมเดลที่ผ่านการฝึกอบรมล่วงหน้าสำหรับ CAML และ DR-CAML สำหรับชุดข้อมูลเต็มรูปแบบ MIMIC-III พวกเขาจะถูกบันทึกเป็นแบบ model.pth ในไดเรกทอรีที่เกี่ยวข้อง นอกจากนี้เรายังให้สคริปต์ evaluate_model.sh เพื่อทำซ้ำผลลัพธ์ของเราจากโมเดล

ฝึกอบรมรุ่นใหม่

หากต้องการฝึกอบรมรุ่นใหม่ตั้งแต่เริ่มต้นโปรดใช้สคริปต์ learn/training.py ดำเนินการ python training.py -h สำหรับรายการทั้งหมดของอาร์กิวเมนต์อินพุตและธง สคริปต์ train_new_model.sh ใน predictions/ ไดเรกทอรีย่อยสามารถใช้เป็นตัวอย่าง (หรือคุณสามารถเรียกใช้โดยตรงเพื่อใช้พารามิเตอร์ไฮเปอร์พารามิเตอร์เดียวกัน)

การทำนายแบบจำลอง

การคาดการณ์ที่ให้ผลลัพธ์ในกระดาษมีให้ใน predictions/ แต่ละไดเรกทอรีมี:

  • preds_test.psv , ไฟล์ค่าที่คั่นด้วยท่อที่มีการทำนาย Hadm_id และแบบจำลองของตัวอย่างการทดสอบทั้งหมด
  • train_new_model.sh ซึ่งฝึกอบรมรุ่นใหม่ด้วย HyperParameters ที่ให้ไว้ในกระดาษ

ในการทำซ้ำผลลัพธ์ F-measure ของเราจากการทำนายตัวอย่างเช่นผลลัพธ์ CNN ใน MIMIC-II ให้เรียกใช้ python get_metrics_for_saved_predictions.py predictions/CNN_mimic2_full

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด