Аналіз усереднених електрокардіограм у нормі методами машинного навчання

Скорочена інформація про документ
dc.contributor.advisorПопов, Антон Олександрович
dc.contributor.authorФогель, Дмитро Андрійович
dc.date.accessioned2021-03-17T10:28:57Z
dc.date.available2021-03-17T10:28:57Z
dc.date.issued2020
dc.description.abstractenThe purpose of this thesis is determination the difference between patients with normal ECG signals. Necessary to create a “normal cloud” for a group of young people and determine their “distance” to the established “cloud”. Based on the results obtained, it is possible to draw conclusions about difference between clinically healthy and similar patients. Partially answer the question: “How healthy is the patient?”. In the first section, there are theoretical information about the history of the ECG, method of obtaining an ECG signal, methods of obtaining an averaged ECG complex and their possible using. In the second section there are describes the theory of machine learning, proposed method of increasing main problem of labor. According to the proposed method, the available machine learning algorithms are considered and the most suitable (Isolation Forest) was selected. It is advantages are: 1. The possibility to work with multidimensional input data; 2. Low consumption computer resource; 3. The possibility of automatic formation of a “normal” sample. The third section describes the inputs used. They are obtained from the database of cadets of military school. Age category – 17-19 years, all of patients are clinically healthy. At the stage of forming the thesis task, it was decided to use an averaged cardio complex. In the practical part, code is created for reading and formatting input data from files. The “norm cloud” was constructed and anomalies are defined. The obtained results was comparable with the analysis of the program, that names Cardiol. All patients have some deviations in the set of parameters that are responsible for the state of the myocardium. Interesting, that 36% of them do not belong to a given age category. They are 67% of similar records in the entire database. Based on this fact conclusion – concept of norm for different age categories of patients is differ. The following steps have been proposed to improve the outcomes: 1. Refinement and increase the database; 2. To find the most weighty parameters for used algorithm; 3. More correctly find the parameters.uk
dc.description.abstractukМетою 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.uk
dc.format.page88 c.uk
dc.identifier.citationФогель, 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.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/40055
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectЕКГuk
dc.subjectусереднений кардіокомплексuk
dc.subjectмашинне навчанняuk
dc.subjectаналіз параметрів ЕКГuk
dc.subjectпошук аномалійuk
dc.subjectECGuk
dc.subjectsignal-averaged electrocardiogramuk
dc.subjectmaсhine learninguk
dc.subjectECG parameters analysisuk
dc.subjectoutlier detectionuk
dc.subjectisolation forestuk
dc.titleАналіз усереднених електрокардіограм у нормі методами машинного навчанняuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Fohel_bakalavr.pdf
Розмір:
4.73 MB
Формат:
Adobe Portable Document Format
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

Бакалаврські роботи (ЕІ)
Бакалаврські роботи