Система діагностики шлуночкових тахікардій на основі машинного навчання та фільтрації ЕКГ сигналів

Скорочена інформація про документ
dc.contributor.advisorШликов, Владислав Валентинович
dc.contributor.authorТкаченко, Маріанна Юріївна
dc.date.accessioned2022-01-12T12:42:17Z
dc.date.available2022-01-12T12:42:17Z
dc.date.issued2021
dc.description.abstractenObjective: a machine learning system that distinguishes ECG signals of true-positive episodes of ventricular tachycardia from false-positive ones and filters baseline wander noise. Tasks: 1. Comparison and analysis of existing methods for baseline wander filtration. 2. Development of a filter based on discrete Wavelet Transform, selection of coefficients for signal reconstruction. 3. Comparison of three wavelets for baseline wander filtration. 4. Create a dataset of ECG signals with true-positive and false-positive episodes of ventricular tachycardia for the machine model. 5. Development of functions for feature extraction of signals from the created dataset. 6. Comparison and analysis of classification results of existing algorithms based on machine learning. 7. Development of the final algorithm of the machine model working process. Results: a dataset of ECG signal data with true-positive and false-positive episodes of ventricular tachycardia was created, and a system based on the gradient Boosting classification algorithm was developed with 98% prediction accuracy.uk
dc.description.abstractukМета роботи: система на основі машинного навчання, яка відрізняє ЕКГ сигнали істинно-позитивних епізодів шлуночковихтахікардій від хибно-позитивних та фільтрує артефакт блукаючої ізолінії. Завдання: 1. Порівняння та аналіз існуючих методів фільтрації артефакту блукаючої ізолінії. 2. Розробкафільтру на основі дискретного вейвлет-перетворення, вибіркоефіцієнтів для реконструкції сигналу. 3. Порівняннятрьохвейвлетів та вибірнайкращого. 4. Створення набору даних ЕКГ сигналів із істинно-позитивними та хибно-позитивними епізодами шлуночковихтахікардій для машинноїмоделі. 5. Розробкафункцій для витягуознаксигналівізствореного набору даних. 6. Порівняння та аналізрезультатівкласифікаціїіснуючихалгоритмів на основі машинного навчання. 7. Розробка остаточного алгоритму роботимашинноїмоделі. Основнірезультати: було створено набірданих ЕКГ сигналів із істинно-позитивними та хибно-позитивними епізодами шлуночковихтахікардій, розроблено систему на основі алгоритму класифікації методом GradientBoostingіз точністю передбачень 98%.uk
dc.format.page74 c.uk
dc.identifier.citationТкаченко, М. Ю. Система діагностики шлуночкових тахікардій на основі машинного навчання та фільтрації ЕКГ сигналів : магістерська дис. : 163 Біомедична інженерія / Ткаченко Маріанна Юріївна. – Київ, 2021. – 74 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/45856
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectPyCharmuk
dc.subjectPythonuk
dc.subjectмашинне навчанняuk
dc.subjectЕКГuk
dc.subjectXtremeGradient Boostinguk
dc.subjectшлуночкова тахікардіяuk
dc.subjectблукаюча ізолініяuk
dc.subjectPyCharmuk
dc.subjectPythonuk
dc.subjectMachine Learninguk
dc.subjectECGuk
dc.subjectXtremeGradient Boostinguk
dc.subjectventricular tachycardiauk
dc.subjectbaseline wanderuk
dc.subject.udc616/12-07uk
dc.titleСистема діагностики шлуночкових тахікардій на основі машинного навчання та фільтрації ЕКГ сигналівuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Tkachenko-magistr.docx
Розмір:
7.67 MB
Формат:
Microsoft Word XML
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.01 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (БМІ)
Магістерські роботи