Методи машинного навчання для класифікації порушень діяльності серця по аудіозаписах серцебиття

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorАвксєнтьєва, Анастасія Максимівна
dc.date.accessioned2023-09-28T14:23:49Z
dc.date.available2023-09-28T14:23:49Z
dc.date.issued2023
dc.description.abstractДипломна робота: 111 с., 30 рис., 11 табл., 2 додатки, 21 джерело. Об’єкт дослідження – класифікація категорій серцевих порушень по записах звуків серця. Предмет дослідження – моделі машинного навчання, за допомогою яких реалізується поставлена задача. Метою роботи є побудова архітектур моделей машинного навчання, які будуть ефективно ідентифікувати порушення діяльності серця за допомогою даних, отриманих з електронного стетоскопа та мобільного застосунку. Моделі мають навчитися відрізняти зашумленість на записах від аритмій та шумів самого серця за ознаками звуків, розташуванням серцевих ритмів. Програма розроблена на мові Python в інтерактивному середовищі Jupyter Notebook. Практичним результатом роботи є система прогнозування категорії звуку серця по аудіозапису різними моделями нейронних мереж та ансамблевими методами. Виконано порівняльний аналіз алгоритмів та оцінено точність моделей за множиною метрик якості. Система може стати основою розробки додатку для ранньої діагностики серцево-судинних хвороб.uk
dc.description.abstractotherBachelor thesis: 111 p., 30 fig., 11 tabl., 2 append., 21 sources. The object of research is the classification of categories of cardiac disorders based on heart sound recordings. The subject of the research covers machine learning models which are used to implement the task. The purpose of the work is to build architectures of machine learning models that will effectively identify cardiac disorders using data obtained from an electronic stethoscope and mobile applications. Such models must learn to distinguish noise in the recordings from arrhythmias and heart noise by the characteristics of the sounds and the location of the heart rhythms. The program is developed in Python in the interactive Jupyter Notebook environment. The practical result of the work is a system for predicting the category of heart sound from audio recordings using various models of neural networks and ensemble methods. A comparative analysis of the algorithms is performed and the accuracy of the models is evaluated by a set of quality metrics. The system can become a basis for developing an application for the early diagnosis of cardiovascular diseases.uk
dc.format.extent111 с.uk
dc.identifier.citationАвксєнтьєва, А. М. Методи машинного навчання для класифікації порушень діяльності серця по аудіозаписах серцебиття : дипломна робота ... бакалавра : 124 Системний аналіз / Авксєнтьєва Анастасія Максимівна. – Київ, 2023. – 111 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/60687
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectвилучення ознак з аудіозаписівuk
dc.subjectмашинне навчанняuk
dc.subjectкласифікаціяuk
dc.subjectзгорткові та рекурентні нейронні мережіuk
dc.subjectансамблеві методиuk
dc.subjectмедична діагностикаuk
dc.subjectfeature extraction from audio recordingsuk
dc.subjectmachine learninguk
dc.subjectclassificationuk
dc.subjectconvolutional and recurrent neural networksuk
dc.subjectensemble methodsuk
dc.subjectmedical diagnosticsuk
dc.titleМетоди машинного навчання для класифікації порушень діяльності серця по аудіозаписах серцебиттяuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Avksientieva_bakalavr.pdf
Розмір:
3.97 MB
Формат:
Adobe Portable Document Format
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 (ММСА)
Бакалаврські роботи