【源码】基于PyTorch和CatBoost的心电图分类系统

项目简介

本项目源于“合肥高新杯”心电人机智能大赛，旨在复现大赛第一和第四的模型。借助PyTorch和CatBoost框架搭建心电图数据分类模型，经数据预处理、特征提取与模型训练等环节，提升心电图数据分类的准确性。

项目的主要特性和功能

1. 数据预处理：对心电图数据进行解压、重采样、缩放操作，并划分train_val数据集，使数据更适合模型使用。
2. 特征提取：提取心电图数据的QRS波特征、统计特征（RR区间、偏度、峰度等）、R波密度、RMSSD等特征，用于模型训练和预测。
3. 模型训练：利用PyTorch和CatBoost框架训练模型，涵盖定义模型结构、设置超参数、加载和保存模型权重等操作。
4. 模型测试与评估：加载模型权重进行预测，通过计算精确度、召回率和F1分数等指标评估模型性能。

安装使用步骤

1. 环境准备：安装Python 3.6及以上版本、PyTorch 1.0和CatBoost库。
2. 数据准备：将项目所需的心电图数据文件解压到data目录。
3. 数据预处理：在命令行运行python data_process.py进行数据预处理。
4. 模型训练：若从零开始训练，运行python main.py train。
5. 模型测试：若要进行模型测试，运行python main.py test --ckpt=..model_path，会在submit文件夹下生成提交结果。
6. 修改参数：可在config.py文件中修改项目的设置参数。
7. 查看结果：在终端或控制台查看模型的训练、验证和测试结果以及性能评估指标。

注意事项

项目代码需配合特定的数据结构和格式运行，具体的数据预处理和模型训练细节请参照源代码中的注释和说明。目前top1的模型仍有bug，后续会持续优化。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】