【自己练手的小项目】

YCN@Forever

已于 2022-05-26 16:29:49 修改

阅读量270

点赞数

分类专栏：练手小项目 Java 文章标签： java python tensorflow

于 2022-05-26 16:25:54 首次发布

本文链接：https://blog.csdn.net/qq_27663847/article/details/124986390

版权

练手小项目同时被 2 个专栏收录

2 篇文章 0 订阅

订阅专栏

Java

2 篇文章 0 订阅

订阅专栏

自己练手的小项目——EGG数据管理Java web

提示：主要时数据分析、图像处理、图像识别相关技术案例，班门弄斧了

文章目录

自己练手的小项目——EGG数据管理Java web
前言
一、EGG数据模式识别
二、EGG数据管理平台
三、模型训练
总结

前言

功能：建立病人信息，可视化脑电波数据、建立tensorflow模型，自动类型。

一、EGG数据模式识别

EGG是多点脑电波数据，根据不同状态下采集的数据标记类别，python语言tensorflow学习平台下建立了识别模型。

二、EGG数据管理平台

建立病人EGG数据档案管理平台，利用tensorflow-js将python中训练好的模型进行识别，附加一定管理功能。

三、模型训练

1.main.py

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn import preprocessing
import tensorboard
import tensorflowjs as tfjs
from eeg import CNNModel
import tensorflow as tf



#进行数据处理由于原先的数据为六类，现在将数据变为二分类问题
data = "./data.csv"
df = pd.read_csv(data, header=0, index_col=0)
df["epilepsy"] = 0
for i in range(11500):
    if df["y"][i] == 1:
            df["epilepsy"][i] = 1
    else:
        df["epilepsy"][i] = 0

x = df.drop('y',axis=1)
x = x.drop('epilepsy',axis=1)
y = df['epilepsy']
x = x.values
y = y.values


#调用CNN模型
model = CNNModel()
model.setCNNModel()

model.complie(np.reshape(x, (11500, 1, 178, 1)),
              np.reshape(y, (11500, 1)),
              epoch=200)

#model.load_CNN()
y1=model.predict(np.reshape(x[0,:], (1, 1, 178, 1)))
print(y1)
print(y[0])
tfjs.converters.save_keras_model(model.model, './tfjs_model')

2.平台使用 tensorflow-js

<!DOCTYPE html>
<html xmlns:th="http://www.thymeleaf.org">
<head>
	<meta charset="UTF-8">
	<title>脑电波诊断</title>
	<link rel="stylesheet" type="text/css" th:href="@{/easyui/themes/default/easyui.css}">
	<link rel="stylesheet" type="text/css" th:href="@{/easyui/themes/icon.css}">
	<link rel="stylesheet" type="text/css" th:href="@{/easyui/css/demo.css}">
	<script type="text/javascript" th:src="@{/easyui/jquery.min.js}"></script>
	<script type="text/javascript" th:src="@{/easyui/jquery.easyui.min.js}"></script>
	<script type="text/javascript" th:src="@{/easyui/js/validateExtends.js}"></script>
	<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs/dist/tf.min.js"></script>
</head>
<body style="padding:0px;">
<div class="panel-header"><div class="panel-title panel-with-icon">脑电波显示</div><div class="panel-icon icon-more"></div><div class="panel-tool"></div></div>
<!-- 工具栏 -->
<div id="toolbar" class="datagrid-toolbar">
	<div style="margin-top: 3px;">
		导入信号： <input type="file" multiple id="txtfileId" />
		<button onclick="return addWord0()">显示</button>
		<button onclick="diagnose()">诊断</button>
	</div>
</div>
<div id="charts-diagnose" style="width:100%;height:500px;"></div>
</body>
<script type="text/javascript" th:src="@{/easyui/js/echarts.common.min.js}"></script>
<script>
    var option0 = {
        xAxis: {
            type: 'category',
            data: []
        },
        yAxis: {
            type: 'value'
        },
        series: [{
            data: [],
            type: 'line'
        }]
    };
    // 基于准备好的dom，初始化echarts实例
    var myChart0 = echarts.init(document.getElementById('charts-diagnose'));

    function showCharts0(option){
        // 使用刚指定的配置项和数据显示图表。
        myChart0.setOption(option);
    }
    // 指定图表的配置项和数据
    //提交eeg数据
    var eeg0=[];
    function addWord0() {
        var objFile = document.getElementById("txtfileId");
		if(objFile.value == "") {
		  alert("txt不能空")
		  return false;
		}
		var files = $('#txtfileId').prop('files'); //获取到文件列表
		//console.log(files);
		if(files.length == 0 || files.length > 1) {
		  alert('请选择一个文件');
			return false;
		} else {
			var reader = new FileReader(); //新建一个FileReader
			reader.readAsText(files[0], "UTF-8"); //读取文件
			reader.onload = function(evt) { //读取完文件之后会回来这里
			  var fileString = evt.target.result; // 读取文件内容
			  eeg0=fileString.split("\r\n").map(Number);
			  //console.log(eeg0);
			  option0.series[0].data=eeg0;
			  showCharts0(option0);
			}
			return false;
		}
    }
	async function diagnose(){
		const model = await tf.loadLayersModel('/model/model.json');
		const x = tf.tensor(eeg0.slice(0,178)).reshape([1,1, 178, 1]);
		//x.print();
		var y=model.predict(x).arraySync();
		//console.log(y);
		var level='info';
		if(y>0.5){
			level='error';
		}
		$.messager.alert("诊断结果","患病置信度为"+String(Math.floor(y[0] * 1000) / 1000),level);
		model.dispose();
		x.dispose();
		y.dispose();
	}
</script>
</html>

3.总体效果

tensorflowjs_癫痫诊断

总结

资源链接：
https://download.csdn.net/download/qq_27663847/85466087

YCN@Forever

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
【自己练手的小项目】

EGG是多点脑电波数据，根据不同状态下采集的数据标记类别，python语言tensorflow学习平台下建立了识别模型。建立病人EGG数据档案管理平台，利用tensorflow-js将python中训练好的模型进行识别，附加一定管理功能。
复制链接

扫一扫