Вовянко, Світлана ІгорівнаВирвіхвіст, Єлизавета Ігорівна2026-07-032026-07-032026Вирвіхвіст, Є. І. Інтелектуальна програмна система аналізу інтраопераційних ЕМГ-сигналів : дипломна робота ... бакалавра : 163 Біомедична інженерія / Вирвіхвіст Єлизавета Ігорівна. - Київ, 2026. - 76 с.https://ela.kpi.ua/handle/123456789/82115Інтелектуальна система аналізу інтраопераційних ЕМГ-сигналів може бути використана у нейрохірургії, хірургії основи черепа та інших напрямках інтраопераційного нейромоніторингу для контролю функціонального стану нервових структур під час оперативних втручань. Використання системи дозволяє реалізувати багатоканальний моніторинг ЕМГ-сигналів, автоматичний аналіз активності та формування попереджень при появі патологічних змін сигналу. Актуальність дипломної роботи полягає у розробці програмного прототипу інтелектуальної системи аналізу інтраопераційних ЕМГ-сигналів із використанням методів штучного інтелекту та багатоканального моніторингу сигналів у режимі, наближеному до реального часу. Об’єктом дипломної роботи є інтелектуальна система аналізу інтраопераційних ЕМГ-сигналів. Предметом дипломної роботи є методи обробки, аналізу та автоматичної класифікації інтраопераційних ЕМГ-сигналів із використанням алгоритмів машинного навчання. Метою дипломної роботи є підвищення швидкості та точності аналізу інтраопераційних ЕМГ-сигналів із використанням методів цифрової обробки сигналів та штучного інтелекту для оцінки функціонального стану нервових структур під час хірургічних втручань. Для досягнення поставленої мети, були визначені наступні завдання дослідження: 1. Проаналізувати особливості інтраопераційних ЕМГ- сигналів та методів машинного навчання для подальшої програмної реалізації системи. 2. Розробити програмну систему аналізу ЕМГ-сигналів. 3. Реалізувати модуль машинного навчання для класифікації сигналів. 4. Провести тестування та оцінити якість роботи моделі. У дипломній роботі було реалізовано програмний прототип інтелектуальної системи аналізу інтраопераційних ЕМГ-сигналів із використанням багатоканального моніторингу, алгоритму машинного навчання Random Forest та інтерактивної візуалізації сигналів. Мова програмування для реалізації – Python, середовище виконання Visual Studio code.76 с.ukінтраопераційний нейромоніторингЕМГелектроміографіямашинне навчаннябагатоканальний моніторингRandom Forest.intraoperative neuromonitoringEMGelectromyographymachine learningmultichannel monitoringRandom ForestBachelor Thesis