Розробка сервісу для визначення аритмії за допомогою ЕКГ
Тип публікації :
Магістерська робота
Дата випуску :
2023
Автор(и) :
Челноков Семен
Мова основного тексту :
ua
eKNUTSHIR URL :
Цитування :
[APA 7] Челноков, С. (2023). Розробка сервісу для визначення аритмії за допомогою ЕКГ [Магістерська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/123456789/5658
[ДСТУ] Челноков С. Розробка сервісу для визначення аритмії за допомогою ЕКГ : кваліфікаційна робота магістра : 12 Інформаційні технології. Київ, 2023. 50 с. URL: https://ir.library.knu.ua/handle/123456789/5658 (дата звернення: 25.07.2026).
Метою роборти є створення сервісу для визначення виду аритмії серця на основі досліджень ЕКГ.
Об’єктом дослідження є визначення аритмії серця за допомгою екг, предметною областью є застосування нейромереж для визначення виду аритмії серця.
У ході дослідження розглянуто та проаналізовано аналогічні сервіси, також були досліджені різні методи обробки даних, використовувані у медицині, та їх ефективність для вирішення задачі класифікації аритмій; проаналізовано нейромережі для визначення багатокласової класифікації та реалізовано послідовну модель з використанням прихованих шарів.
Запущено віртуальне середовище з сервером та додано реалізовану модель на цей сервер для подальшого користування; реалізовано дашборд з інформацією про використаний набір даних та в цьому ж дашборді реалізовано можливість визначення виду аритмії за наданими парметрами екг-дослідження.
Ключові слова : визначення аритмії за ЕКГ, нейромережа, Python, Anaconda, Tensorflow, Keras, Sklean, Data Processing, Tableau, Tabpy server.
Об’єктом дослідження є визначення аритмії серця за допомгою екг, предметною областью є застосування нейромереж для визначення виду аритмії серця.
У ході дослідження розглянуто та проаналізовано аналогічні сервіси, також були досліджені різні методи обробки даних, використовувані у медицині, та їх ефективність для вирішення задачі класифікації аритмій; проаналізовано нейромережі для визначення багатокласової класифікації та реалізовано послідовну модель з використанням прихованих шарів.
Запущено віртуальне середовище з сервером та додано реалізовану модель на цей сервер для подальшого користування; реалізовано дашборд з інформацією про використаний набір даних та в цьому ж дашборді реалізовано можливість визначення виду аритмії за наданими парметрами екг-дослідження.
Ключові слова : визначення аритмії за ЕКГ, нейромережа, Python, Anaconda, Tensorflow, Keras, Sklean, Data Processing, Tableau, Tabpy server.
Галузі знань та спеціальності :
12 Інформаційні технології
121 Інженерія програмного забезпечення
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
1.27 MB
Контрольна сума :
(MD5):88d25bae7aece7955f0afa6fec9aeb42
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International