一个pdf文件对应一个word文档
import os
path = 'E:\\论文'
for filename in os.listdir(path):
filename = filename.replace(".pdf", "")
docxname = path + "\\" + filename + '.docx'
if filename in os.listdir(path):
print("%s 已经存在" % docxname)
else:
file = open(docxname, 'w')
file.close()
print("完成")
word文档内容
标题翻译:基于深度神经网络的心脏病学专家级别的心率不齐诊断和分类
代码Github链接:https://github.com/awni/ecg
时间:2019年
第一作者:Awni Y.Hannun(吴恩达团队)
网络模型、数据集、其他方法:
作者提出了一个使用深度卷积神经网络(Deep CNN)自动对住院病人ECG信号进行分类的Method,主要关注对Inter-patient arrhythmias的分类,最终达到的效果如下表所示,达到了与manual feature engineering同等的水平。
效果:
DNN在(ROC)下达到0.97的平均面积。DNN的平均F1评分为0.837,超过了普通心脏病学家(0.780)。DNN的敏感性超过了心脏病学家对所有节律类别的敏感度。
动机&创新点:
使用单导联心电图。准确率超过了医生的平均水平。
作者总结(不足、未来)&我的评价(思考、质疑):
1、 局限性在于使用的是单导联心电图,而临床标准为12导联,本文的方法拓展到标准12导联ECG上是否能取得相似结果还有待确定,但单导联的优势是提供了较低的信噪比。
2、 既然医生存在错误率,那么医生对数据集的标注应该也存在错误率。那么超过医生诊断水平的说法是否准确?