ПОДХОДЫ В ОБЛАСТИ МАШИННОГО И ГЛУБОКОГО ОБУЧЕНИЯ, ПРИМЕНЯЕМЫЕ ДЛЯ ИНТЕРПРЕТАЦИИ ЭКГ И ОБНАРУЖЕНИЯ ПАТОЛОГИЙ СЕРДЕЧНОЙ ДЕЯТЕЛЬНОСТИ

УДК 004.83
DOI: 10.36871/2618-9976.2024.06.005

Авторы

Юрий Михайлович Горовой,
Доцент кафедры информационных систем и технологий Ярославского государственного технического университета, Ярославль, Россия
Ангелина Владимировна Курицына,
Студентка Ярославского государственного технического университета, Ярославль, Россия
Елена Ивановна Воеводина,
Старший преподаватель кафедры «Информационные системы и технологии» Ярославского государственного технического университета, Ярославль, Россия

Аннотация

В статье рассматриваются существующие подходы и технологии в области машинного и глубокого обучения, применяемые для интерпретации электрокардиограмм (ЭКГ) и обнаружения патологий сердечной деятельности. Рассмотрены основные методы извлечения информации, классификации и анализа данных, а также выявлены проблемы, с которыми сталкиваются традиционные методы исследования в данной области. В том числе проанализировано использование методов машинного обучения для интерпретации ЭКГ, что включает как традиционные подходы с ручным извлечением признаков, так и современные методы автоматизации анализа. Основное внимание уделено морфологическим характеристикам ключевых элементов ЭКГ, таких как QRS-комплекс, волна Т и точка J, для которых определяются различные параметры, включая амплитуду, длительность и форму. Выбор и анализ этих признаков направлены на идентификацию аномальных состояний сердца.

Ключевые слова

теория информации
нейронная сеть
предобработка данных
машинное обучение
Python
задача классификации