Класифікація ЕКГ сигналів методами машинного навчання
Тип публікації :
Бакалаврська робота
Дата випуску :
2022
Автор(и) :
Харченко Вікторія Віталіївна
Мова основного тексту :
ua
eKNUTSHIR URL :
Цитування :
[APA 7] Харченко, В. В. (2022). Класифікація ЕКГ сигналів методами машинного навчання [Бакалаврська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/123456789/3124
[ДСТУ] Харченко В. В. Класифікація ЕКГ сигналів методами машинного навчання : кваліфікаційна робота бакалавра : 12 Інформаційні технології. Київ, 2022. 56 с. URL: https://ir.library.knu.ua/handle/123456789/3124 (дата звернення: 25.07.2026).
Проведено огляд та аналіз існуючих підходів для аналізу та класифікації ЕКГ сигналів; реалізовано фільтр рухомого середнього та фільтр Баттерворта для зменшення шуму в кардіограмах; реалізовано алгоритм визначення R-піків, навчено 5 нейронних мереж для класифікації ЕКГ; проведено класифікацію, базуючись на результатах нейронних мереж, з використанням таких алгоритмів машинного навчання як наївний баєсів класифікатор, випадкові дерева, метод опорних векторів та логістична регресія.
Результатом роботи є розроблений метод класифікації ЕКГ сигналів, який показав конкурентні результати в порівнянні з існуючими підходами.
Найкращих результатів вдалося досягнути в визначенні нормального синусового ритму та миготливої аритмії.
Розроблений підхід для класифікації в подальшому може бути використаний на вбудованих системах при тривалих кардіологічних спостереженнях для вчасного виявлення деяких “мовчазних” серцевих захворювань. Також реалізований алгоритм виявлення R-піків разом з алгоритмами фільтрації може використовуватись для контролю частоти серцевих скорочень під час активної спортивної діяльності.
Значимість роботи полягає у можливості проведення точної діагностики серцевих захворювань, здатної своєчасно попередити прогресування та наслідки хвороби.
Результатом роботи є розроблений метод класифікації ЕКГ сигналів, який показав конкурентні результати в порівнянні з існуючими підходами.
Найкращих результатів вдалося досягнути в визначенні нормального синусового ритму та миготливої аритмії.
Розроблений підхід для класифікації в подальшому може бути використаний на вбудованих системах при тривалих кардіологічних спостереженнях для вчасного виявлення деяких “мовчазних” серцевих захворювань. Також реалізований алгоритм виявлення R-піків разом з алгоритмами фільтрації може використовуватись для контролю частоти серцевих скорочень під час активної спортивної діяльності.
Значимість роботи полягає у можливості проведення точної діагностики серцевих захворювань, здатної своєчасно попередити прогресування та наслідки хвороби.
Галузі знань та спеціальності :
12 Інформаційні технології
122 Комп’ютерні науки
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
1.67 MB
Контрольна сума :
(MD5):69da39c8f328047c0be3c317ec80af68
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International