Система автоматизованого аналізу електрокардіограм з використанням алгоритмів машинного навчання

Abstract

У роботі проведено комплексний аналіз застосування інтелектуальних обчислювальних методів для автоматизації інтерпретації біоелектричних сигналів серця. Основна увага зосереджена на створенні алгоритмічного забезпечення, яке дозволяє ідентифікувати кардіологічні патології без прямого втручання фахівця, що суттєво пришвидшує процес діагностики. Науковий пошук ґрунтується на парадигмах предиктивної аналітики, зокрема методах керованого навчання (supervised learning). Автором досліджено ефективність різних архітектур мультикласової класифікації, які адаптовані під специфіку розпізнавання аритмій. Для кожної моделі визначено технічні переваги та обмеження в контексті обробки медичних часових рядів. Практична реалізація виконана за допомогою екосистеми Python. Вибір інструментарію обґрунтовано потребою у високій швидкості обробки великих масивів даних. Експериментальна частина базується на відкритому репозиторії «ECG Heartbeat Categorization Dataset». У роботі продемонстровано процес цифрової візуалізації вхідних сигналів для верифікації їхньої якості. Окремий акцент зроблено на етапі підготовки даних (data preprocessing): реалізовано алгоритми нормалізації ознак та виділення ключових дескрипторів сигналу. Ефективність розроблених моделей підтверджена розрахунком матриць помилок (confusion matrices) та порівняльним аналізом метрик точності.