Аналіз даних багатоканальної ЕЕГ та варіабельності ритму серця для детектування епілептичних нападів у новонароджених

Скорочена інформація про документ
dc.contributor.advisorІванько, Катерина Олегівна
dc.contributor.authorРезніченко, Данило Тарасович
dc.date.accessioned2023-08-29T09:35:23Z
dc.date.available2023-08-29T09:35:23Z
dc.date.issued2023
dc.description.abstractУ даній роботі розглядаються основні принципи створення моделей на основі методів машинного навчання для автоматичного виявлення та передбачення епілептичних нападів у новонароджених. Метою даної роботи є створення методу виявлення та передбачення епілептичних нападів у новонароджених на основі аналізу сигналів ЕЕГ та ЕКГ (варіабельності серцевого ритму). У першій частині розглядаються основні принципи ЕЕГ та ЕКГ, особливості їх проведення у новонароджених та технічні стандарти при записі сигналів. Розглянуто основні види епілептичних нападів у новонароджених та їх прояви. У другій частині описано принципи машинного навчання, моделі класифікаторів з їх коротким описом та описом їх особливостей застосування. Також розглянуто попередні дослідження по даній темі з наведеними результатами цих досліджень. Третя частина присвячена обробці, аналізу сигналів ЕЕГ та ЕКГ та їх параметрів. Проведено відбір параметрів та проаналізовано точність різних методів машинного навчання. Також розглянуто можливість передбачення епілептичних нападів за допомогою машинного навчання. У результаті проведеної роботи було створено програми для машинного навчання класифікаторів та використання розроблених моделей з метою детектування епілептичних нападів у новонароджених.uk
dc.description.abstractotherThis work examines the basic principles of creating machine learning models for automatic detection and prediction of epileptic seizures in newborns. The purpose of this work is to create a method for detecting and predicting epileptic seizures in newborns based on the analysis of EEG and ECG signals (heart rate variability). In the first part, the basic principles of EEG and ECG, the peculiarities of their implementation in newborns and technical standards for recording signals are considered. Also, the main types of epileptic seizures in newborns and their manifestations are described. The second part describes the principles of machine learning, classifier models with their brief description and description of their application features. Previous studies on this topic are also considered, with the results of these studies presented. The third part is devoted to the processing and analysis of EEG and ECG signals and their parameters. The parameters were selected and the accuracy of various machine learning methods was analyzed. The possibility of predicting epileptic seizures using machine learning is also considered. As a result of the work, programs for machine learning of classifiers and the use of developed models for the purpose of detecting epileptic seizures in newborns were created.uk
dc.format.extent90 с.uk
dc.identifier.citationРезніченко, Д. Т. Аналіз даних багатоканальної ЕЕГ та варіабельності ритму серця для детектування епілептичних нападів у новонароджених : дипломна робота … бакалавра : 153 Мікро- та наносистемна техніка / Резніченко Данило Тарасович. – Київ, 2023. – 90 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/59597
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectЕЕГuk
dc.subjectЕКГuk
dc.subjectВСРuk
dc.subjectКРГuk
dc.subjectепілепсіяuk
dc.subjectнападиuk
dc.subjectновонародженіuk
dc.subjectмашинне навчанняuk
dc.titleАналіз даних багатоканальної ЕЕГ та варіабельності ритму серця для детектування епілептичних нападів у новонародженихuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Reznichenko_bakalavr.pdf
Розмір:
2.93 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

Бакалаврські роботи (ЕІ)
Бакалаврські роботи