# ss杯 2023 初赛 心电检测赛道 参赛实现
## 项目介绍
本项目为2023 ss杯生态应用挑战赛初赛 `赛题3 可穿戴12导联动态心电质量评估 ` 同赛道第二的实现。
实现方式为pytorch搭建CNN+LSTM网络以及Se-ResNet。
提供了数据处理和训练过程的notebook文件,以及测试和评估脚本。
赛题链接:http://nscc.zzu.edu.cn/ai/#/myMatch?tabType=questionsData&tabTeamType=createTeam&tabForumType=matchForum
### 问题描述
>本赛题使用的数据集来自真实世界的动态心电数据,包含10名患者的标准12导联心电图共100 条。这些心电信号的采样频率为100 Hz,并被分割为每条10秒。数据集标签根据心电信号P、 QRS、T和U波的完整性分为四类:A类代表所有波形清晰可见,无基线漂移,采集质量高。B类 表示存在1-3个干扰心跳,但不会对诊断产生重大影响。C类表示能识别50%以上的波形,对诊断 有部分影响。D类表示完全无法识别波形,没有可用的心电信号。
>本赛题质量评估任务分为两个子题:
>
>1. 二分类质量评估,一类为高质量心电(标签A),另一类为其他(标签B/C/D)。该任务性能 评估指标需统一展示Precision,Recall和F1 Score,并以F1 Score作为算法评价标准。
>
>2. 四分类质量评估,四类标签分别为A/B/C/D。该任务性能指标以Accuracy作为算法评价标准。
>
>赛题数据下载:心电图赛题数据
>
>赛题BaseLine下载:心电图BaseLine
>
>评分标准: 提交模型在私有的测试集上进行预测
>
>1. 二分类质量评估任务性能 评估指标需统一展示Precision,Recall和F1 Score,并以F1 Score作为算法评价标准
>
>2.四分类质量评估任务性能指标以Accuracy作为算法评价标准
>
>提交结果:提交人工智能模型文件
### 使用到的模型
CNN_LSTM 使用多尺度的1d卷积进行特征提取,然后将提取到的特征送入LSTM进行特征识别,最后使用全连接网络进行分类.
Se-ResNet 在Conv1d和LSTM的基础上添加上了SeBlock和ResBlock,形成了多尺度的残差网络模型,相对CNN_LSTM具有更深的层数,但是由于数据集数量较小,效果反而不佳.
### 模型结果
|网络性能和参数信息 || | |Created by cy 2023.10.25| | | |
|:--------:|:-----------:|:-----------:|:-------------:|:------------:|:---------------:|:-------------------:|:---------------:|
|**Model** |**四分类** | |**二分类** | | **模型参数信息** | | |
| | BestValAcc | Precison |Recall | F1 Score | Params | bidirectional-LSTM | File |
|CNN_LSTM | 83 | 0.9462 | 0.8381 | 0.8888 | 128 64 60 20 | No | CNN_LSTM_128_64_60_20_acc83.pt|
|Se-ResNet | 80 | 0.9375 | 0.8571 | 0.8955 | blk[1 2 2 1] | Yes | Se-ResNet_1221_acc80.pt|
### 项目相关文件
```
main.py # 提交结果运行的主程序,本程序会根据提供的数据集目录生成如下所示的结果
data.ipynb # 数据集代码和相关处理过程
train.ipynb # 训练代码和相关过程
model.py # 模型定义和实现
infer.py # 推理相关功能实现
utils.py # 工具函数
data_raw # 用于存放官方提供数据集的目录
data # 整合的中间数据目录,在data.ipynb中生成
dataset # 训练过程中用用到的数据集,在data.ipynb中生成
CNN_LSTM_128_64_60_20_acc83.pt # 模型权重文件
Se-ResNet_1221_acc80.pt # 模型权重文件
best-ckpt.pt # 模型训练权重检查点文件
baseline # 赛题的baseline实现
```
### 正确输出示例
```
[msxxxxxx@64bb532bde1a heart]$ python main.py
Processing: 100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1200/1200 [00:11<00:00, 108.77iteration/s]
model: CNN_LSTM
model: CNN_LSTM
Accuracy(classes=4): 0.8941666666666667
Precision(classes=2): 0.9781976744186046
Recall: 0.9295580110497238
F1 Score: 0.953257790368272
Processing: 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 1200/1200 [00:19<00:00, 62.26iteration/s]
model: Se-ResNet
Accuracy(classes=4): 0.9033333333333333
Precision(classes=2): 0.9797687861271677
Recall: 0.93646408839779
F1 Score: 0.9576271186440679
```
测试用的数据使用的是原始(包含训练)数据集,只是用来展示程序正常输出,不具备参考意义,实际精度数据以测试数据集为准
该项目使用的是zzcs AC平台预置的jupyter环境和conda环境
具体为 jupyterlab-pytorch:1.10.0-centos7.6-dtk-22.10-py37(Jupyter预置) + pytorch1.10.0a0-py37-dtk22.04.2(conda预置)
建议新建Notebook容器,并且使用 jupyterlab-pytorch:1.10.0-centos7.6-dtk-22.10-py37(Jupyter预置)环境,勾选使用加速器
以免出现无所需依赖的问题
该环境中的终端中运行 python main.py 即可正确输出结果
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
教育部认可的大学生竞赛备赛资料代码,源码,竞赛总结,所有源码均经过严格测试,可以直接运行,可以放心下载使用。有任何使用问题欢迎随时与博主沟通 全国电子设计大赛、全国大学生智能汽车竞赛、蓝桥杯、集成电路创新创业大赛、光电设计竞赛、挑战杯、大创项目、互联网+、三创赛、计算机设计竞赛、创新创业大赛、ACM-ICPC国际大学生程序设计竞赛、全国大学生数学建模竞赛、全国大学生电子商务“创新、创意及创业”挑战赛、全国大学生节能减排社会实践与科技竞赛、全国大学生工程训练综合能力竞赛、全国大学生机器人大赛-RoboMaster、RoboCon、“西门子杯”中国智能制造挑战赛、中国大学生计算机设计大赛、世界技能大赛、中国高校计算机大赛-大数据挑战赛、团体程序设计天梯赛、移动应用创新赛、网络技术挑战赛、全国大学生信息安全竞赛、“中国软件杯”大学生软件设计大赛、全国大学生光电设计竞赛、中国机器人及人工智能大赛、“大唐杯”全国大学生移动通信5G技术大赛、华为ICT大赛、全国大学生嵌入式芯片与系统设计竞赛、中国高校智能机器人创意大赛
资源推荐
资源详情
资源评论
收起资源包目录
竞赛资料源码-嵩山杯 2023 初赛 心电检测赛道 参赛实现.zip (421个子文件)
.DS_Store 6KB
.DS_Store 6KB
.DS_Store 6KB
.gitignore 3KB
train.ipynb 123KB
data.ipynb 55KB
LICENSE 1KB
readme.md 6KB
data.npy 6.42MB
data.npy 4.58MB
data.npy 2.75MB
c44c467f_data.npy 24KB
c6dc048f_data.npy 24KB
2b809923_data.npy 24KB
33bd9163_data.npy 24KB
3f038369_data.npy 24KB
5b385cb9_data.npy 24KB
2b0dca75_data.npy 24KB
830ecb6e_data.npy 24KB
140dfd37_data.npy 24KB
669e3f0a_data.npy 24KB
bcf35317_data.npy 24KB
291a79d7_data.npy 24KB
15c5adc1_data.npy 24KB
26b6cd42_data.npy 24KB
1ad66fbf_data.npy 24KB
14faeaf9_data.npy 24KB
1b752dfd_data.npy 24KB
27dabaed_data.npy 24KB
10f9f98f_data.npy 24KB
246171dc_data.npy 24KB
01f2f726_data.npy 24KB
14f4dfe5_data.npy 24KB
17a042b0_data.npy 24KB
051c58e7_data.npy 24KB
14318708_data.npy 24KB
0ae997ff_data.npy 24KB
072e44fa_data.npy 24KB
00eb12c5_data.npy 24KB
24d99a4f_data.npy 24KB
2d4b8a18_data.npy 24KB
2c5f43ee_data.npy 24KB
26ac08ab_data.npy 24KB
06f5b368_data.npy 24KB
0cde221c_data.npy 24KB
1dfd8ec0_data.npy 24KB
0eb7b267_data.npy 24KB
198b56fb_data.npy 24KB
1de1e141_data.npy 24KB
c5750496_data.npy 24KB
23e6f1b5_data.npy 24KB
fcf233d0_data.npy 24KB
e2f0db09_data.npy 24KB
fccd134d_data.npy 24KB
240cd051_data.npy 24KB
f05acbca_data.npy 24KB
6432fed3_data.npy 24KB
521c5120_data.npy 24KB
f906eee1_data.npy 24KB
0357efa3_data.npy 24KB
e3e5cfac_data.npy 24KB
f9614622_data.npy 24KB
014959a8_data.npy 24KB
19bc4aa8_data.npy 24KB
0e2e37e0_data.npy 24KB
0074c5e3_data.npy 24KB
15efbf0b_data.npy 24KB
14807cf8_data.npy 24KB
1ab3cf49_data.npy 24KB
090cf0b0_data.npy 24KB
1e1cee0e_data.npy 24KB
0bf26925_data.npy 24KB
067889e0_data.npy 24KB
7a5a1494_data.npy 24KB
8b8a3c0c_data.npy 24KB
3f059a8e_data.npy 24KB
70351a9b_data.npy 24KB
1f740514_data.npy 24KB
0203c403_data.npy 24KB
6e9c99ed_data.npy 24KB
5cf14a20_data.npy 24KB
3a184074_data.npy 24KB
077a5235_data.npy 24KB
10e3be44_data.npy 24KB
3545d29e_data.npy 24KB
05cab53b_data.npy 24KB
236dac36_data.npy 24KB
2951e154_data.npy 24KB
2e9a317e_data.npy 24KB
09a33eb6_data.npy 24KB
12210368_data.npy 24KB
07a9a92b_data.npy 24KB
1932cb9c_data.npy 24KB
64e2ff4d_data.npy 24KB
3413fa25_data.npy 24KB
5c8f66e5_data.npy 24KB
43aac1aa_data.npy 24KB
6af6792f_data.npy 24KB
2ccc5c38_data.npy 24KB
3577979d_data.npy 24KB
共 421 条
- 1
- 2
- 3
- 4
- 5
资源评论
妄北y
- 粉丝: 9650
- 资源: 1万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功