Аналіз відхилень параметрів електрокардіограм від норми методами машинного навчання

Скорочена інформація про документ
dc.contributor.advisorПопов, Антон Олександрович
dc.contributor.authorФогель, Дмитро Андрійович
dc.date.accessioned2023-01-03T12:35:54Z
dc.date.available2023-01-03T12:35:54Z
dc.date.issued2022
dc.description.abstractОбʼєктом розгляду роботи є електрична активність серця. Предмет роботи - аналіз ЕКГ методами глибокого навчання. Метою магістерської дисертації є визначення наявності й типу серцевої аритмії у сигналі ЕКГ. В першому розділі розглянуті теоретичні відомості про історію ЕКГ, методику отримання сигналу ЕКГ та можливе їх використання. В другому розділі описується теорія машинного навчання, запропонований метод вирішення поставленого перед роботою завдання. Відповідно запропонованого способу розглянута структура та принципи роботи алгоритмів глибокого навчання згорткового типу. В третьому розділі запропонована структура системи оцінки стану серцевого мʼяза за сигналами ЕКГ. Описані дані, що використовуватимуться та методи їх обробки. Запропонована та реалізована модель глибокого навчання згорткового типу з чотирма прихованими шарами, що згідно з результатами виявилась оптимальною і точною, а саме отримано значення точності 99,96%. Зроблені висновки та запропоновані кроки для майбутнього розвитку наведено у розділі 3.1.uk
dc.description.abstractenThe work's object is the heart electric activity. The subject of the work is an ECG analysis by deep learning methods. The purpose of the work is determination of a presence and type of cardiac arrhythmia by the ECG signal. There is overviewed theoretical information about an ECG history, actual extracting and processing methods in the first chapter. The second section describes the theory of machine learning, the proposed method of solving the task. According to the proposed method, the structure and principles of operation of convolutional deep learning algorithms are considered. In the third section, the structure of the system for assessing the condition of the heart muscle based on ECG signals is proposed. The data to be used and the methods of their processing are described. A convolutional type deep learning model with four hidden layers was proposed and implemented, which according to the results turned out to be optimal and accurate, namely, an accuracy value of 99.96% was obtained. There are conclusions and proposed steps for future development announced in section 3.1.uk
dc.format.page90 с.uk
dc.identifier.citationФогель, Д. А. Аналіз відхилень параметрів електрокардіограм від норми методами машинного навчання : магістерська дис. : 153 Мікро- та наносистемна техніка / Фогель Дмитро Андрійович. – Київ, 2022. – 90 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/51662
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectЕКГuk
dc.subjectмашинне навчанняuk
dc.subjectштучний інтелектuk
dc.subjectглибоке навчанняuk
dc.subjectзгорткова нейронна мережаuk
dc.subjectкласифікація ЕКГuk
dc.titleАналіз відхилень параметрів електрокардіограм від норми методами машинного навчанняuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Fohel_magistr.pdf
Розмір:
12.55 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 (ЕІ)
Магістерські роботи