К содержимому
Другое

PTB-XL ECG ResNet

Компактная модель для анализа ЭКГ

2 мин чтенияобновлено

Модель представляет собой компактную 1D-нейросеть (ResNet) размером около 0.19 млн параметров, которая оценивает 10-секундные 12-канальные кардиограммы (ЭКГ) с частотой 100 Гц. Она предсказывает пять диагностических суперклассов по базе PTB-XL: норма, инфаркт миокарда, изменения ST/T, нарушения проводимости и гипертрофия. Решение предназначено исключительно для исследовательских целей и не является медицинским устройством или средством диагностики. Разработчики предусмотрели механизм уверенности: при пороге 0.8 модель обрабатывает часть записей, а остальные отправляет на экспертную оценку.

Ключевые особенности

  • Высокое качество: Макро-AUROC на официальном тестовом наборе составляет 0.925.
  • Компактность: Всего около 0.19 млн параметров благодаря 1D-архитектуре ResNet.
  • Воспроизводимость: Обучена на официальных пациенто-ориентированных фолдах датасета PTB-XL 1.0.3.
  • Контроль уверенности: Встроенные пороги и правило воздержания от классификации при низкой уверенности.

Что можно сделать

  • Исследования ЭКГ: Проводить эксперименты по автоматической классификации сердечных ритмов и патологий на датасетах.
  • Бенчмаркинг: Сравнивать производительность 1D ResNet с другими архитектурами (например, классическими 1D CNN).
  • Интеграция в пайплайны: Использовать чекпоинт и код для анализа цифровых сигналов в Python-скриптах.

Пример

import json, numpy as np, torch
from huggingface_hub import hf_hub_download
import importlib.util

repo = "MHkhan50/ptbxl-ecg-resnet"
cfg = json.load(open(hf_hub_download(repo, "config.json")))
spec = importlib.util.spec_from_file_location("model", hf_hub_download(repo, "model.py"))
m = importlib.util.module_from_spec(spec); spec.loader.exec_module(m)
net = m.ECGResNet(num_labels=5, channels=(32, 64, 128), dropout=0.2)
net.load_state_dict(torch.load(hf_hub_download(repo, "resnet_s23_best.pt"), weights_only=True)["model_state_dict"])
net.eval()
ПодробнееБенчмарки: AUROC по классам — NORM (0.941), MI (0.927), STTC (0.931), CD (0.920), HYP (0.904), макро-AUROC 0.925.
Данные: PTB-XL 1.0.3 (21,388 записей), обучение на Kaggle T4 GPU с использованием AdamW.
Ограничения: Только для исследований, датасет собран в одном немецком центре (1989–1996 гг.), нет внешней валидации.
Лицензия: Веса под CC BY 4.0, код под MIT.
Обсудить Telegram 0 59

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # MHkhan50/ptbxl-ecg-resnet
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download MHkhan50/ptbxl-ecg-resnet --local-dir ~/models/ptbxl-ecg-resnet
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к ptbxl-ecg-resnet
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии ptbxl-ecg-resnet — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

MHkhan50/ptbxl-ecg-resnet
Автор
MHkhan50
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

590

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии