Розпізнавання станів електричної активності серця методами машинного навчання
Вантажиться...
Дата
2022
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
З розвитком технологій класифікації, а також на фоні зростаючих об’ємів
застосування цифрових портативних пристроїв та накопичення баз даних ЕКГ,
з’являється можливість досліджувати, вивчати, та застосовувати методи машинного
навчання для автоматичного виявлення патологічної активності серцево-судинної
системи. Такі системи змогли б допомогти лікарям влучно діагностувати
захворювання, а пацієнтам вчасно звертатися до лікарів за допомогою, уникнувши
негативних наслідків хвороби. Особливо актуальною класифікація є на портативних
пристроях зі скороченою кількістю відведень, які присутні сьогодні навіть в смарт-
годинниках.
Об'єкт дослідження – сигнали електричної активності серця.
Предмет дослідження – класифікація сигналів електричної активності серця
методами машинного навчання.
Основною метою дослідження було створення надійної класифікаційної
моделі, яка здатна класифікувати патологічні стани серцевої системи, була
масштабованою та мала можливість розпізнавання патологічних станів електричної
активності серця за зменшеною кількістю сигналів ЕКГ.
У першому розділі було обрано базові патологічні стани електричної активності
серця для класифікації, відповідно до обраних станів, було проведено аналіз їх
біофізичних властивостей та відмінностей обраних патологічних станів, а також було
виконано аналіз методів електрокардіографії для виявлення обраних патологічних
станів.У другому розділі було проведено аналіз методів машинного навчання для
класифікації патологічних станів електричної активності серця, обрано методи для
класифікації та обробки даних для обраних патологічних станів.
У третьому розділі було проведено аналіз методів попередньої обробки та
підготовки кардіосигналу, зокрема фільтрації від завад. Було розглянуто базові завади
на кардіоциклі зі змінами форми, які притаманні даному патологічному класу. Для
різних типів шуму обрано найкращі методи фільтрації.
У четвертому розділі було проведено розробку та виділення ознак для
класифікації обраних патологій, а також створення та тестування класифікаційної
моделі.
У п’ятому розділі було проведено опис стартап-проекту на тему «Програмний
продукт для автоматичного визначення патологічної електричної активності серця».
Опис
Ключові слова
класифікація, виділення ознак ЕКГ, фільтрація електрокардіосигналу, вейвлет перетворення, статистична обробка даних, класифікатор випадкового лісу, T-SNE, крос-валідація
Бібліографічний опис
Мневець, А. В. Розпізнавання станів електричної активності серця методами машинного навчання : магістерська дис. : 153 мікро- та наносистемна техніка / Мневець Антон Володимирович. – Київ, 2022. – 209 с.