ReadMe.txt

本文件夹包含MODEL文件，里面是模型和训练好的参数，由于今早不小心把训练好的model的参数给替换了
，所以临时训练了个，训练时间可能不是很够，只能凑合用了。
模型采用resnet的整体设计框架，激活函数为prelu,每一层卷积之后都有BN层。采用的正则化技术是参考了biggan的思想，用的正交正则化。。。。

运行
直接bash run,sh即可生成answer文件，修改文件路径请在src/下的ECG_predict中修改BASE_DIR即可。
MODEL中的src里面存放着训练参数以及predict，network,train等文件。
手动程序预测的话，只需要运行ECG_predict.py文件就可以了

可能训练来不及了 ，  直接进入995-icu那个文件夹，修改src下的ECG_predicting中的BASE_DIR，右键运行程序即可，就会重新生成answer文件

比赛网址：
http://mdi.ids.tsinghua.edu.cn/#/intro
 复赛赛题：
 各团队需要在复赛规定时间内，利用组委会提供的训练集数据，设计并实现模型和算法，能够预测常规心电图的种类。各团队在测试集上的预测结果将用于计算成绩。比赛中所使用的常规心电图类别主要有正常心电图和八种异常心电图，包括心房颤动、一度房室传导阻滞、完全性右束支阻滞、左前分支阻滞、室性早搏、房性早搏、早期复极图形改变和T波改变。
 复赛数据：
 复赛数据分为训练集、验证集和测试集等三个部分，其中训练集和验证集对参赛队伍可见。训练集主要用于构建模型和算法；验证集则隐去标签，各队伍将验证集上的预测结果提交到内网评分网站，既可确认预测结果文件格式正确，也可估计在全部参赛团队中的相对水平；测试集则用于计算参赛队伍的复赛成绩和排名，在比赛期间和赛后都不会公开，并将一直用于评估算法性能。

为了方便参赛团队读取数据，所有心电图都存为MAT格式。该文件中存储了12个导联的电压信号（包含了I, II, III, aVR, aVL, aVF, V1, V2, V3, V4, V5和V6），同时也包含了性别和年龄等变量。心电数据的单位为毫伏，采样率为500赫兹。训练数据对应的标签存储在REFERENCE.csv文件中，各类别编号和英文缩写如下表所示。

编号	类别	名字缩写
0	正常	Normal
1	心房颤动	AF
2	一度房室传导阻滞	FDAVB
3	完全性右束支传导阻滞	CRBBB
4	左前分支阻滞	LAFB
5	室性早搏	PVC
6	房性早搏	PAC
7	早期复极图形改变	ER
8	T波改变	TWC

本次大赛采取基于多标签分类的评分方式[1]。该方式衡量算法在每类心电图上的预测准确性。采用多标签分类的评分，主要原因是一张心电图上可能不只表现出一种异常。各队伍的复赛成绩取所有类别上的算术平均值。下面详述该方式。

首先，针对第j个类别定义如下四个变量，其中0≤j≤8，



由此计算每一类的Precision、Recall和F1分数：



平均F1分数为上述9个分数的算术平均值，即：