Text EGM

通过文本表示对心脏内电图的解释

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

官方代码“通过文本表示对心脏内电图的解释”，由2024年健康，推理和学习会议接受（CHIL）。

如果您遇到任何错误或有任何疑问，请在wjhan {at} andrew {dot} cmu {dot} edu上提交问题或联系人。

我们感谢Allegheny总医院的Mario Lemieux心律护理中心支持这项工作。

设置环境

注意：我们仅在Ubuntu 20.04.5 Lts上进行了测试。

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

注意：请确保您使用的PIP来自Conda环境

6. 测试是否通过执行python gpu.py与当前的GPU兼容。目前，我们仅在A5000（24 GB）和A6000（48 GB）NVIDIA GPU上进行了测试。

7. pip install -r requirements.txt

设置数据

1. 尽管我们策划的数据尚未公开可用，但我们确实在外部数据集上有实验结果（主要结果在表2中），即Physionet上可用的“心脏内房颤数据库”。

2. 要设置此数据，请将cd降为preprocess文件夹。

3. 请执行以下命令以下载数据。

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

4. 通过执行解压缩文件

 unzip intracardiac-atrial-fibrillation-database-1.0.0

5. 现在执行folllowing命令以预处理数据。

 sh preprocess.sh

6. 这应该创建一个具有.npy的数据文件夹，以供培训，验证和测试。

开始训练

1. 从预处理文件夹cd ../返回到主目录。

2. 现在，您可以直接使用train.sh文件开始培训。

推理

1. 培训后请执行sh inference.sh 。确保指定检查点路径。

可视化

所有可视化将保存在其各自的检查点文件夹中。请在可视化之前cd visualize 。在visualize文件夹下，请查看以下脚本：

1. stitch.sh可视化重建和预测的信号。

2. viz_tokens.sh可视化信号的令牌化表示。

3. viz_attentions.sh可视化模型的注意力图。

4. viz_int_grad.sh可视化模型的归因分数。

引用

如果您发现此存储库或对自己的工作有帮助，请引用以下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}
}