深度学习编码

工具说明

深度学习编码工具使用先进的神经网络模型对临床和诊断数据进行编码，将复杂的多维数据转换为低维度的表示向量。 该工具支持多种深度学习架构，包括多层感知机（MLP）、卷积神经网络（CNN）和自编码器（Autoencoder）， 能够处理各种类型的医疗数据，如检验结果、影像特征和时序临床指标等。

主要功能包括：

  • 自动特征工程：通过深度神经网络自动学习数据中的关键特征
  • 降维编码：将高维医疗数据压缩为低维表示，便于后续分析
  • 非线性特征提取：捕捉数据中复杂的非线性关系
  • 异常检测：识别异常数据点，可用于疾病风险评估
  • 多模态整合：统一编码不同来源和类型的医疗数据

该工具支持CSV、Excel和JSON格式的结构化数据文件，并提供直观的模型训练和评估界面。

数据上传与参数设置
拖放文件到这里或点击上传

支持的格式: CSV, Excel, JSON

已选择文件: patient_clinical_data.csv
文件大小限制: 50MB。CSV文件应包含特征列和标签列。
patient_id,age,gender,bmi,smoking,heart_rate,systolic_bp,diastolic_bp,respiratory_rate,temperature,glucose,hemoglobin,wbc_count,platelet_count,sodium,potassium,chloride,calcium,magnesium,creatinine,bun,ast,alt,total_bilirubin,troponin_t,ck_mb,nt_pro_bnp,crp,ddimer,chest_pain,dyspnea,fatigue,syncope,palpitation,fever,anorexia,weight_loss,edema,diaphoresis,diagnosis P001,65,1,28.6,1,92,145,85,18,37.1,145,12.8,9.2,220,141,4.2,105,9.1,2.0,1.2,25,38,42,0.7,0.24,26,2150,5.2,520,1,1,1,0,1,0,0,0,0,1,NSTEMI P002,72,0,24.5,0,76,150,80,16,36.9,105,11.5,8.0,280,140,4.4,102,8.9,1.9,1.0,18,25,28,0.5,0.03,5,890,2.1,210,0,1,1,1,0,0,1,0,1,0,TIA P003,58,1,31.2,1,98,160,95,20,37.6,165,13.2,11.5,195,139,3.9,101,9.3,2.1,1.5,30,52,58,0.9,1.52,38,3200,8.5,780,1,1,0,0,0,0,0,0,0,1,STEMI P004,70,0,26.8,1,85,155,90,17,37.0,130,11.9,7.8,240,142,4.1,104,9.0,2.0,1.1,22,28,32,0.6,0.18,22,1850,4.8,490,1,1,1,0,1,0,0,0,1,1,NSTEMI ...
数据预处理
标签或目标变量的列名
用逗号分隔的特征列名，留空表示使用除目标列外的所有列
深度学习模型
用逗号分隔的隐藏层神经元数量
最终编码向量的维度
训练参数
0.1 0.2 0.4
输出设置
将训练好的模型保存为文件
生成包含模型性能和可视化的分析报告
编码结果

上传数据并运行编码后，结果将显示在这里