Библиографическое описание:Convolutional neural network and deep machine learning for ECG analysis : научное издание / O. V. Nepomnyashchiy [et al.]. - Текст : непосредственный // Успехи современной радиоэлектроники. - 2024. - Т.78, №3. - P. 70-77. - ISSN 2070-0784, DOI 10.18127/j20700784-202403-08.
Аннотация:Problem statement. In the conditions of development of modern digital society, information technologies in medicine come to the forefront in the creation of promising scientific directions in the field of disease diagnosis, drug treatment and patient monitoring. Special attention is paid to the processing of large volumes of information when solving the tasks of analyzing the results of drug treatment or drug-drug combination interaction, the results of medical diagnosis and treatment selection. Such data are characterized not only by a large amount of data, but also by their invariance and poorly amenable to analysis by classical methods, which does not provide the required convergence of results. Thus, it is urgent to develop new, efficient computational methods and tools to solve these problems. Goal of the work. Taking into account the need to analyze big data, the general task of creating new methods for obtaining effective solutions is highlighted. The local task of increasing the percentage of convergence - accuracy of the results obtained, as well as providing real-time diagnostics is highlighted. Results of the work. The problem of detecting anomalies in the analysis of electrocardiograms for building systems of automated diagnostics of cardiovascular diseases is considered. The known directions in the creation of methods for determining the results of combinational analysis of cardiac signals are presented. The architecture and algorithms of the classification system functioning on the basis of neural classifier are developed. Experimental studies have been carried out on the basis of a widely used data package, the results of which have shown that the proposed approach achieves high performance in arrhythmia detection efficiency. Practical significance. Further elaboration of this issue will make it possible to achieve the creation of a long-term prognosis system based on machine learning technologies and the proposed analyzer, which will make it possible to warn about possible heart diseases in advance based on the results of accumulated data on the patient's condition.
В условиях развития современного цифрового общества информационные технологии в медицине выходят на первый план при создании перспективных научных направлений в области диагностики заболеваний, медикаментозного лечения и мониторинга пациентов. Особое внимание уделяется обработке больших объемов информации при решении задач анализа результатов медикаментозного лечения или комбинационного взаимодействия лекарственных средств, результатов медицинского диагностирования и выбора курса лечения. Такие данные характеризуются не только большим объемом данных, но и их инвариантностью, и плохо поддаются анализу классическими методами, что не обеспечивает требуемой сходимости результатов. Таким образом, актуальным является разработка новых эффективных вычислительных методов и инструментов для решения обозначенных задач. Цель работы - с учетом необходимости анализа больших данных выделена общая задача создания новых методов для получения эффективных решений. Выделена локальная задача увеличения процента сходимости (точности) получаемых результатов, а также обеспечения диагностики в режиме реального времени. Рассмотрена проблема выявления аномалий при анализе электрокардиограмм для построения систем автоматизированной диагностики заболеваний сердечно-сосудистой системы. Представлены известные направления в создании методов определения результатов комбинационного анализа кардиосигналов. Разработана архитектура и алгоритмы системы классификации, функционирующей на основе нейронного классификатора. На основе широко распространенного пакета данных проведены экспериментальные исследования, результаты которых показали, что при использовании предложенного подхода достигаются высокие показатели по эффективности обнаружения аритмий. Показано, что в области задач классификации при обработке изображений хорошие результаты получают при использовании сверточной нейронной сети. Дальнейшая проработка данного вопроса позволит добиться создания системы долгосрочного прогноза, функционирующей на основе технологий машинного обучения и предложенного анализатора, позволяющей по результатам накопленных данных о состоянии пациента заблаговременно предупреждать о возможных болезнях сердца.
