动机与声明：
较早之前从某位不知名网友那里得知了CPSC-2018（http://2018.icbeb.org/Challenge.html），一个有关于12导联ECG分类诊断算法的比赛。不过当时因为忙于找工作和修改paper，并未多在意，也并没有参加。前段时间，又想起这个比赛，不过这个时候已经结束了。其实并非觉得遗憾，真正吸引我的，是这个比赛提供的大量的12导联，正常+8类症状共计9大类的ECG数据，据官方说是从11个医院收集得来的，开放的有6877个个体的数据。长时间在这个领域混的可能知道，像这么良心的数据库是不多见的，很多年了，多少paper还是在古老的MIT-BIH数据库上挣扎。我们可能不缺乏各种各样的新奇的骚操作，缺乏的可能正是高质量，大规模的数据。
截止到目前，官方公布的最优方案在9类ECG识别的平均F1值达到了0.837。而就在我开始写这个文档的前夕，官方又开源了参赛者提交的代码。不过，下载下来几个代码一看，个人认为其实没有达到开源的最低要求，起码现在还没有，可能是还没来得及完善：
- 很多方案里面只包含了如何提交，预测得到结果的代码，至于模型的结构设计和具体训练代码方面，则不够充分。
- 缺乏说明文档。当然不排除后期很多方案都会以期刊或会议论文的形式出版，但论文终究是论文，代替不了说明文档。而且，其实大家可能或多或少在写论文时都会尽量去“包装”一下去显得更“高大上”，对于一些细节可能不会特别说明。这对于发表来说是好事，但对于实操来说，可能会引起一些困惑。
- 由于官方开源的代码是面向比赛的提交和评分的，为了减少文件数目，有的方案代码块的耦合度很高，不利于去一点点去细究。
我也在github上找了一下，不知道是我搜索能力太差还是其他原因，只找到了一个相对完善一些的开源方案：https://github.com/amostayed/Deep-learning/tree/master/Physiological%20signal%20challenge，作者还在ArXiv上挂出了论文（ https://arxiv.org/ftp/arxiv/papers/1811/1811.02090.pdf）。不过性能上可能略差一些。有兴趣的可以去看看。
不管是什么样的原因造成目前可参考的方案不多，为了抛砖引玉，同时也是提升自己的能力，我抽出了大约2-3周的时间，做了我下面要说的，一个“不成熟的小方案”。由于目前官方的测试集是不对外公布的，所以只能是在公开的部分上面自行随机划分了训练-验证-测试集（官方划分了前300条记录为验证集，个人觉得还是太小了），所有算法的调参和优化均在验证集上完成，测试集则仅用作性能评估。最终的9类平均F1，验证集上约为0.790，测试集上约为0.788。确实不算很出色，后期优化空间还很大，本来是想继续做的，可接下来自己马上要面临毕业，需要集中精力完成毕业论文。所以索性开源给大家，包含了所有的模型、训练、评估代码，数据、模型文件，抛砖引玉，希望能给大家带来一些灵感。对于大佬们，如果有新的方案和想法，可以作为baseline。而我也会在后续的文档中对可能的改进方向进行一些说明，当然如果以后有时间我也会尝试去扩展。
下一部分开始讨论技术。
开源代码地址：https://github.com/Aiwiscal/CPSC_Scheme
喜欢请给颗star以及fork。
待续……
以上均为个人观点，不喜勿喷~
