Класифікація ЕКГ сигналів методами машинного навчання

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.

Харченко В. В. Класифікація ЕКГ сигналів методами машинного навчання : кваліфікаційна робота ... бакалавра : 122 Комп’ютерні науки / Харченко Вікторія Віталіївна. - Київ, 2022. - 56 с.