基于神经网络的心脏病健康系统

news2024/9/30 1:37:28

基于神经网络的心脏病健康系统

导语

这篇文章旨在记录该系统设计的过程，同时指导从零开始搭建本健康系统的环境，并在自己的电脑上把这个心脏病健康系统run起来。

下面是这个文件夹下各个文件的介绍：

.\心脏病预测
├─build						---	该系统可执行文件的相关配置文件
  ├─....
├─dist
  ├─Model_Presicted.exe		  --- 基于神经网络的心脏病预测系统的可执行文件，双击可以打开，有点慢，不推荐
├─dataset.csv				 --- 心脏病各项指标的数据集
├─DiseasePredict_GUI.ui		  --- 由Qt designer生成的.ui文件
├─GUI.py					---  由.ui文件转化为的.py文件,作为模块导入
├─Heart.ico					 --- 系统的图标
├─Model_Predict.py			 --- 运行该脚本运行系统
├─README.md					 --- 手册
├─Z_model.h5				 --- 预训练模型
├─Z_nn_keras.py				 --- 用于数据集的训练的网络配置

安装Python

因为本系统是由纯python实现，所以需要安装python的环境。

检验是否安装成功–>打开cmd–>输入python：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-M9xYXfLu-1691279704328)(https://cdn.jsdelivr.net/gh/Miller-em/IMAGS/img/20210722184244.png)]

安装tensorflow

因为现在已经用的是tf2，虽然我们用的是keras，但是现在keras和tensorflow已经合并了，所以我们只需要安装tensorflow就好了。不懂tensorflow和keras做什么的不要紧，只需要看一下百度百科，知道是是干嘛的。

打开cmd–>输入：pip install tensorflow-cpu -i https://pypi.douban,com/simple

安装pyqt5

我们这套系统的图形界面是由pyqt5来写的，我们需要安装的命令如下：

pip install PyQt5 -i https://pypi.douban.com/simple
pip install PyQt5-tools -i https://pypi.douban.com/simple

数据集介绍：

数据源： UCI开源数据集heart_disease
针对美国某区域的心脏病检查患者的体测数据，共303条数据。具体字段如下表：

字段名	含义	类型	描述
age	年龄	string	对象的年龄，数字表示
sex	性别	string	对象的性别，female和male
cp	胸部疼痛类型	string	痛感由重到无typical、atypical、non-anginal、asymptomatic
trestbps	血压	string	血压数值
chol	胆固醇	string	胆固醇数值
fbs	空腹血糖	string	血糖含量大于120mg/dl为true，否则为false
restecg	心电图结果	string	是否有T波，由轻到重为norm、hyp
thalach	最大心跳数	string	最大心跳数
exang	运动时是否心绞痛	string	是否有心绞痛，true为是，false为否
oldpeak	运动相对于休息的ST depression	string	st段压数值
slop	心电图ST segment的倾斜度	string	ST segment的slope，程度分为down、flat、up
ca	透视检查看到的血管数	string	透视检查看到的血管数
thal	缺陷种类	string	并发种类，由轻到重norm、fix、rev
status	是否患病	string	是否患病，buff是健康、sick是患病

算法部分

该系统的算法部分是利用Keras搭建的神经网络：

网络结构如下：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-XfTjK1CS-1691279704329)(https://cdn.jsdelivr.net/gh/Miller-em/IMAGS/img/20210722190338.png)]

我们采用了3层的全连接层，分别是算子size:<7, 128>, <128, 64> ，<64, 2>。为了防止过拟合现象，我还加入了Dropout层，减少过拟合线性。你可以根据自己的需求更改网络，不影响后面程序的运行，修改网络只需要修改这里：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-c3T9IKro-1691279704329)(https://cdn.jsdelivr.net/gh/Miller-em/IMAGS/img/20210722190353.png)]

图形界面部分

该系统的实现是通过PyQt5来实现的，首先是利用的Qt Designer设计一个大概的页面：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-sdm1SZzA-1691279704330)(https://cdn.jsdelivr.net/gh/Miller-em/IMAGS/img/20210722190405.png)]

Qt Designer生成的ui文件利用下面的命令转化为python文件：

pyuic5 -o GUI.py disease.ui

然后就在这个文件夹下面生成了一个GUI.py

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZjrLLWlN-1691279704330)(https://cdn.jsdelivr.net/gh/Miller-em/IMAGS/img/20210722190421.png)]

接下来就是在预测脚本中(Model_Predict.py)导入GUI模块：

在预测文件中测试一下，看看是不是能够正常的运行，下面是显示的GUI的Code:

from PyQt5 import QtWidgets
from PyQt5.QtWidgets import QApplication, QWidget, QMainWindow
import tensorflow as tf 
from tensorflow import keras
from keras import layers
import pandas as pd 
import numpy as np
import sys 
import GUI



if __name__ == "__main__":
    # model = keras.models.load_model('E:\Github代码管理\Keras_tf2\心脏病预测\Z_model.h5')  #选取自己的.h模型名称
    # model.summary()
    app = QApplication(sys.argv)
    window = QMainWindow()
    ui = GUI.Ui_MainWindow()
    ui.setupUi(window)
    window.show()

    sys.exit(app.exec_())