Аналіз усереднених електрокардіограм у нормі методами машинного навчання
Вантажиться...
Дата
2020
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Метою дипломної роботи є визначення різниці між пацієнтами з
нормальними сигналами електрокардиограми. Для цього необхідно створити
норму для групи молодих людей та визначити їх «відстань» до створеної норми. На
основі отриманих результатів складені висновки про різницю між клінічно
здоровими та схожими пацієнтами.
В першому розділі розглянуті теоретичні відомості про історію ЕКГ,
методику отримання сигналу ЕКГ, способи отримання усередненого комплексу та
можливе їх використання.
В другому розділі описується теорія машинного навчання, запропонований
метод вирішення поставленого перед роботою завдання. Відповідно
запропонованого способу розглянуті доступні алгоритми машинного навчання та
обраний найбільш підходящий (Isolation Forest).
В третьому розділі описані використовувані вхідні дані. Вони отримані з бази
даних курсантів військового училища. Вікова категорія – 17 - 19 років, всі пацієнти
вважаються клінічно здоровими. На стадії формування завдання дипломної роботи
було прийнято рішення використовувати усереднений кардіокомплекс. В
практичній частині створений код для вичитування і форматування вхідних даних
з файлів. Використовуючи обраний метод побудована область норми та визначені
аномалії відносно неї. Отримані результати порівняні з аналізом програми Cardiol.
Всі пацієнти, судячи з результатів програми, мають деякі відхилення в комплексі
показників, що відповідають за стан міокарду в різній мірі. Зроблено висновок про
поняття норми для різни вікових категорій пацієнтів та запропоновані методи
покращення результатів експерименту.
Опис
Ключові слова
ЕКГ, усереднений кардіокомплекс, машинне навчання, аналіз параметрів ЕКГ, пошук аномалій, ECG, signal-averaged electrocardiogram, maсhine learning, ECG parameters analysis, outlier detection, isolation forest
Бібліографічний опис
Фогель, Д. А. Аналіз усереднених електрокардіограм у нормі методами машинного навчання : дипломна робота ... бакалавра : 153 Мікро- та наносистемна техніка / Фогель Дмитро Андрійович. – Київ, 2020. – 88 с.