【文件属性】：
文件名称：二抽取代码MATLAB-py_ai_clinician:py_ai_clinician
文件大小：207KB
文件格式：ZIP
更新时间：2021-05-26 11:56:39
系统开源
二摘代码MATLAB
Matlab中AI临床医生的Python重新实现
该项目的目的是为Komorowski等人提供的《
Nature
Medicine》论文的python实现。
[1]。
Komorowski等人，“人工智能临床医生在重症监护中学习败血症的最佳治疗策略”，《自然医学》，2018年，第2期。
在该项目中，原始代码是用matlab编写的，并用Python重写的。
您可以从作者的github页面（）或gitlab页面（）访问其原始代码。
在这项工作中，参考的matlab实现来自作者的github页面。
除了自然论文之外，您还可以找到有关败血症和强化学习的其他工作。
因为它基于python实现，所以您还可以参考以下工作。
脓毒症治疗的深度强化学习
要求
np.argsort（）的'stable'选项的Numpy（>
=
1.15.0）
零步
您需要从中获取MIMIC
III数据集（在我们的重新实现中，使用的是1.4版，但原始的自然医学论文使用的是1.3版）。
要获取数据集，您需要满足Webiste的要求（参加在线课程并获得经理的批准）。
MIMIC数据集约为6G（压缩）。
您
【文件预览】：
py_ai_clinician-master
----Core.ipynb(30KB)
----sepsis_def.ipynb(60KB)
----reinforcement_learning_mp.py(10KB)
----AIClinician_Data_extract_MIMIC3_140219.ipynb(28KB)
----Core_Visualize.py(6KB)
----reference_matrices.mat(2KB)
----mimic3_dataset.py(34KB)
----kmeans_mp.py(875B)
----Core_Visualize.ipynb(8KB)
----utils.py(4KB)
----mimic3_dataset.ipynb(44KB)
----readme.md(5KB)
----sepsis_def.py(47KB)
----images()
--------Figure_1.png(32KB)
--------Figure_3.png(31KB)
--------Figure_2.png(21KB)
--------Figure_4.png(22KB)
----mdptoolbox()
--------mdp.py(57KB)
--------example.py(15KB)
--------util.py(10KB)
--------__init__.py(3KB)
--------error.py(4KB)
----Core.py(24KB)
----elixhauser-quan.sql(10KB)