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()
Подробнее
Бенчмарки: 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.










Комментарии