Метод машинного навчання Random Forest для прогнозування результативності та оптимізації процедур в інтервенційній електрофізіології серця
Вантажиться...
Дата
2026
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Актуальність: методи катетерної ІЛВ є провідними у лікуванні ФП, але відсутність персоналізованого підходу до вибору технології часто призводить до рецидивів аритмії та надмірного променевого навантаження. Тож розробка прогностичної моделі на базі ШІ є актуальним рішенням в електрофізіології серця, оскільки забезпечує доопераційне моделювання та прогнозування ймовірності виникнення рецидивів для обґрунтованого вибору оптимального методу втручання з мінімальними клінічними ризиками та найбільшою ефективністю лікування.
Мета: мінімізація часу втручання та прогнозування ймовірності післяопераційних рецидивів аритмії за допомогою багатопараметричної моделі машинного навчання, навченої на реальних клінічних даних пацієнтів, для створення програмного забезпечення, що дозволить персоналізувати вибір методу катетерної абляції.
Для досягнення мети поставлено наступні задачі:
1) Визначити ключові клінічні та анатомічні предиктори результативності абляції та провести статистичний аналіз масиву медичних даних.
2) Побудувати структурну схему алгоритму системи підтримки прийняття медичних рішень.
3) Розробити прогностичну модель на базі методів МН мовою Python та реалізувати інтерактивний модуль для формування клінічних рекомендацій.
4) Здійснити валідацію створеного ПЗ на тестовій вибірці даних.
Опис
Ключові слова
фібриляція передсердь, електрофізіологія серця, катетерна абляція, радіочастотна абляція, кріоабляція, електропорація, машинне навчання, штучний інтелект, прогностична модель, клінічні предиктори, ефективність абляції, atrial fibrillation, cardiac electrophysiology, catheter ablation, radiofrequency ablation, cryoablation, electroporation, machine learning, artificial intelligence, predictive model, clinical predictors, ablation efficacy
Бібліографічний опис
Прус, О. В. Метод машинного навчання Random Forest для прогнозування результативності та оптимізації процедур в інтервенційній електрофізіології серця : дипломна робота ... бакалалавра : 163 Біомедична інженерія / Прус Ольга Віталіївна. - Києв, 2026. - 71 с.