Методи машинного навчання для оцінки параметрів неінвазивного артеріального тиску

Скорочена інформація про документ
dc.contributor.advisorКарплюк, Є. С.
dc.contributor.authorКорецька, Дарина Костянтинівна
dc.date.accessioned2024-07-03T11:48:06Z
dc.date.available2024-07-03T11:48:06Z
dc.date.issued2024
dc.description.abstractОбсяг дисертації становить 91 сторінок, 3 розділи, 42 ілюстрації, 1 таблиця, 2 додатки. Загалом опрацьовано 61 джерело. Об’єктом дослідження є діагностичні ознаки артеріального тиску серцево- судинної системи людини. Предметом дослідження є методи машинного навчання обробки сигналів електрокардіограми та фотоплетизмограми для оцінки параметрів неінвазивного артеріального тиску. Метою роботи є дослідження та розробка методів машинного навчання для точної та надійної оцінки параметрів неінвазивного артеріального тиску (НІАТ). У першому розділі міститься загальний огляд методик вимірювання артеріального тиску як точкових, так і неперервних, а також пристроїв вимірювання АТ. У другому розділі міститься загальний огляд існуючих алгоритмів машинного навчання та нейронних мереж, а також їх застосування для задачі оцінки параметрів неінвазивного артеріального тиску. Описано принципи побудови нейронних мереж, основні параметри, оцінки моделей до задачі оцінки параметрів АТ. У третьому розділі представлено розробку програмних засобів та проведення чисельного експерименту для оцінки параметрів неінвазивного артеріального тиску на основі машинного навчання. Наведено опис створення бази даних та попередньої обробки сигналів, а також досліджено два методи з подальшим порівнянням та аналізом результатів.
dc.description.abstractotherThe volume of the dissertation consists of 91 pages, 3 chapters, 42 illustrations, 1 table, 2 addition. In general, the 61 sources have been worked out. The object of the study is the diagnostic signs of blood pressure of the human cardiovascular system. The subject of the research is machine learning methods of electrocardiogram and photoplethysmogram signal processing for non-invasive blood pressure parameters assessment. The aim of the work is research and development of machine learning methods for accurate and reliable assessment of non-invasive blood pressure (NBP) parameters. The first chapter contains a general overview of blood pressure measurement methods, both point and continuous, as well as blood pressure measurement devices. The second section contains a general overview of existing machine learning algorithms and neural networks, as well as their application to the problem of estimating non-invasive blood pressure parameters. The principles of construction of neural networks, the main parameters, estimation of models for the task of estimation of BP parameters are described. The third section presents the development of software tools and the implementation of a numerical experiment for the estimation of non-invasive blood pressure parameters based on machine learning. A description of the creation of a database and preprocessing of signals is given, and two methods are investigated, followed by a comparison and analysis of the results.
dc.format.extent91 с.
dc.identifier.citationКорецька, Д. К. Методи машинного навчання для оцінки параметрів неінвазивного артеріального тиску : магістерська дис. : 153 Мікро- та наносистемна техніка / Корецька Дарина Костянтинівна. – Київ, 2024. – 91 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/67705
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.titleМетоди машинного навчання для оцінки параметрів неінвазивного артеріального тиску
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Koretska_magistr.pdf
Розмір:
3.92 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ЕІ)
Магістерські роботи