Попов, Антон ОлександровичФогель, Дмитро Андрійович2021-03-172021-03-172020Фогель, Д. А. Аналіз усереднених електрокардіограм у нормі методами машинного навчання : дипломна робота ... бакалавра : 153 Мікро- та наносистемна техніка / Фогель Дмитро Андрійович. – Київ, 2020. – 88 с.https://ela.kpi.ua/handle/123456789/40055Метою дипломної роботи є визначення різниці між пацієнтами з нормальними сигналами електрокардиограми. Для цього необхідно створити норму для групи молодих людей та визначити їх «відстань» до створеної норми. На основі отриманих результатів складені висновки про різницю між клінічно здоровими та схожими пацієнтами. В першому розділі розглянуті теоретичні відомості про історію ЕКГ, методику отримання сигналу ЕКГ, способи отримання усередненого комплексу та можливе їх використання. В другому розділі описується теорія машинного навчання, запропонований метод вирішення поставленого перед роботою завдання. Відповідно запропонованого способу розглянуті доступні алгоритми машинного навчання та обраний найбільш підходящий (Isolation Forest). В третьому розділі описані використовувані вхідні дані. Вони отримані з бази даних курсантів військового училища. Вікова категорія – 17 - 19 років, всі пацієнти вважаються клінічно здоровими. На стадії формування завдання дипломної роботи було прийнято рішення використовувати усереднений кардіокомплекс. В практичній частині створений код для вичитування і форматування вхідних даних з файлів. Використовуючи обраний метод побудована область норми та визначені аномалії відносно неї. Отримані результати порівняні з аналізом програми Cardiol. Всі пацієнти, судячи з результатів програми, мають деякі відхилення в комплексі показників, що відповідають за стан міокарду в різній мірі. Зроблено висновок про поняття норми для різни вікових категорій пацієнтів та запропоновані методи покращення результатів експерименту.ukЕКГусереднений кардіокомплексмашинне навчанняаналіз параметрів ЕКГпошук аномалійECGsignal-averaged electrocardiogrammaсhine learningECG parameters analysisoutlier detectionisolation forestBachelor Thesis88 c.