Математичне та програмне забезпечення обробки ЕКГ сигналів
Вантажиться...
Дата
2021-05
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Магістерська дисертація: 102 с., 39 рис., 13 табл., 3 додатки, 18 джерел
Актуальність теми.За статистичними даними основною причиною смертності серед людей працездатного віку є серцево-судинні захворювання.Люди, що входять в групу ризику, потребують допомоги шляхом надання послуг раннього виявлення. Для діагностики сердечно-судинних захворювань широко застосовується електрокардіографічний метод.Часто патологічні зміни в серці дуже швидко відображаються в інформаційному потоці. Зараз програмне забезпечення має піднімати тривогу, якщо пацієнт перебуває в ризикованому становищі. Проте на даний момент воно часто генерує помилкові тривоги в більше ніж 80% випадків. Якість відповіді такого аналізу можна вважати випадковою.
Саме тому вирішення задачі пошуку вдалого алгоритму для обробки ЕКГ сигналу та його аналізу є дуже актуальним.
Зв’язок роботи з науковимипрограмами, планами, темами. Робота виконувалась на кафедріавтоматизованих систем обробкиінформаціїіуправління в рамках теми «Інтелектуальніметодипрограмування, моделювання іпрогнозування з використаннямймовірністного і лінгвістичнихпідходів» (державнийреєстраційний номер 0117U000926)
Мета і завдання дослідження.Основна метароботи полягає в розробці математичного забезпечення для аналізу ЕКГ сигналів та підбору найкращого алгоритму машинного навчання для класифікації цих даних, інтеграції розробленого алгоритму в відповідне програмне забезпечення,що дасть можливість підвищити точність та універсальністьалгоритмів розпізнавання хвороб у пацієнта по ЕКГ. Щоб досягнути поставленої мети необхідно забезпечити повний опис усіх ознак часового рядуза допомогою параметрів, а такожнаблизити алгоритм роботипрограми до алгоритму роботи мозку людини під час аналізу.
Для досягнення поставленої мети необхідно розв’язати комплекс наступнихвзаємопов’язанихзадач:
дослідити та порівняти наявні алгоритми аналізу тарозділення часових рядівЕКГна набір параметрів;
дослідити та порівняти наявні підходи до класифікаціїчасових рядівЕКГна випадок хвороб;
створити власні алгоритми розділення, аналізу та класифікаціїчасових рядівЕКГ, що будуть працювати з прийнятною точністю та охоплювати різні випадки аномалій в синусоїді;
реалізувати запропоновані алгоритми у вигляді незалежних бібліотек;
розробка програмного забезпечення для розпізнавання хвороб у пацієнта по ЕКГ;
дослідити розроблені алгоритми на ефективність роботи.
Об’єкт досліджень. Процес аналізу ЕКГ, розбиття часових рядівна ознаки та їхкласифікації за цими ознаками.
Предмет досліджень.Алгоритми та методи аналізу та класифікаціїчасових рядівЕКГ на основі машинного навчання.
Наукова новизнаотриманих результатів полягає в створенні нового методу аналізу та класифікаціїчасових рядівсинусоїдального типу на прикладі ЕКГ даних із застосуванням штучного інтелекту, що має кращу ефективність.
Практичне значення отриманих результатів полягає застосуванні розробленого методув застосунку для аналізу ЕКГ даних.
Апробація результатів роботи. Результати роботи доповідались на «VIвсеукраїнській науково-практичній конференції молодих вчених та студентів «Інформаційні системи та технологій управління» (ІСТУ-2021), ConferenceonComputationallinguisticsandintelligentsystems(CoLInS 2021).
Публікації.Матеріали роботи опубліковані:
взбірнику тез конференції «MODS 2020»РеутськаС. В., Баклан І.В., Олійник Ю.О., Ліщук К.І. «Підхід до виявлення аномалій в даних екг»;
в збірнику тез IIIМіжнародної науково-практичної конференції«Сучасні тенденції розвитку інформаційних систем і телекомунікаційних технологій»РеутськаС. В.«СУЧАСНІ МЕТОДИ ПРОГРАМНОГО ВИДІЛЕННЯ PQRST ІНТЕРВАЛІВ В ЕЛЕКТРОКАРДІОГРАМІ»;
в збірнику статей конференції «Computational Linguistics and Intelligent Systems» (CoLins2021)I. Baklan, A. Oliynyk, I. Mukha, K. Lishchuk, O. Gavrilenko, S. Reutska, A. Tsitsyliuk, Y. Oliynyk «ECG signal processing based on linguistic chain fuzzy sets».
Опис
Ключові слова
машинне навчання, нейронні мережі, аналіз часових рядів, класифікація часових рядів, детекція аномалій, дерево прийняття рішень, випадковий ліс, логістична регресія, стохастичний координатний підйом
Бібліографічний опис
Реутська, С. В. Математичне та програмне забезпечення обробки ЕКГ сигналів : магістерська дис. : 121 Інженерія програмного забезпечення / Реутська Світлана Віталіївна. – Київ, 2021. – 106 с.