Математичне та програмне забезпечення обробки ЕКГ сигналів

Скорочена інформація про документ
dc.contributor.advisorЛіщук, Катерина Ігорівна
dc.contributor.authorРеутська, Світлана Віталіївна
dc.date.accessioned2022-04-13T14:51:32Z
dc.date.available2022-04-13T14:51:32Z
dc.date.issued2021-05
dc.description.abstractenMaster’s degree thesis: 102 pages, 39 figures, 13 tables, 3 attachments, 18 sources. Relevance of the topic. According to statistics, the main cause of death among people of working age is cardiovascular disease. People at risk need help by providing early detection services. Electrocardiographic method is widely used to diagnose cardiovascular diseases. Often pathological changes in the heart are very quickly reflected in the information flow. Now the software should raise the alarm if the patient is at risk. However, at present it often generates false alarms in more than 80% of cases. The response quality of such an analysis can be considered random. That is why solving the problem of finding a successful algorithm for ECG signal processing and analysis is very important. Scientific programs, plans, topics. The work was performed at the Department of Automated Information Processing and Control Systems within the theme "Intelligent Speech Recognition System in the study of foreign words based on machine learning". The following objectives have been formulated to achieve this research objective: Improve the accuracy and versatility of ECG disease recognition algorithms in patients by creating a new data analysis algorithm and selecting the best machine learning algorithm to classify these data. To achieve this goal it is necessary to provide a complete description of all the features of the time series with the help of parameters, as well as to bring the algorithm of the program to the algorithm of the human brain during the analysis. To achieve this goal, the following tasks were formed: to investigate and compare the existing algorithms for analysis and division of EC time series into a set of parameters; to study and compare the available approaches to the classification of ECG time series in case of diseases; to create their own algorithms for separation, analysis and classification of ECG time series, which will work with acceptable accuracy and cover various cases of anomalies in the sine wave; to implement the proposed algorithms in the form of independent libraries that can be used in the future; to implement a program for the user; to investigate the created algorithms on efficiency of work. The object of research.The process of ECG analysis, division of time series into signs and their classification by these signs. The subject of research.Algorithms and methods of analysis and classification of ECG time series based on machine learning. The scientific innovationis to create a new method of analysis and classification of sinusoidal time series on the example of ECG data using artificial intelligence, which has better efficiency. The practical value of the obtained resultsis to apply the developed method in the application for ECG data analysis. Approbation.The results were presented at the VI All-Ukrainian scientific-practical conference of young scientists and students "Information systems and management technologies" (ISTU-2021). Scientific publications.Materials of work are published: in the collection of abstracts of the conference "MODS 2020" Reutska SV, Baklan IV, Oliynyk YO, Lishchuk KI "APPROACH TO DETECTION OF ANOMALIES IN ECG DATA"; in the collection of abstracts of the III International scientific-practical conference "Modern trends in the development of information systems and telecommunications technologies" Reutska SV "MODERN METHODS OF SOFTWARE SELECTION OF PQRST INTERVALS IN ELECTROCARDIOGRAPHY; in the collection of articles of the conference "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".uk
dc.description.abstractukМагістерська 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».uk
dc.format.page106 с.uk
dc.identifier.citationРеутська, С. В. Математичне та програмне забезпечення обробки ЕКГ сигналів : магістерська дис. : 121 Інженерія програмного забезпечення / Реутська Світлана Віталіївна. – Київ, 2021. – 106 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/46879
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectмашинне навчанняuk
dc.subjectнейронні мережіuk
dc.subjectаналіз часових рядівuk
dc.subjectкласифікація часових рядівuk
dc.subjectдетекція аномалійuk
dc.subjectдерево прийняття рішеньuk
dc.subjectвипадковий лісuk
dc.subjectлогістична регресіяuk
dc.subjectстохастичний координатний підйомuk
dc.subject.udc004.023uk
dc.titleМатематичне та програмне забезпечення обробки ЕКГ сигналівuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (АСОІУ)
Магістерські роботи