Реферат
ВВЕДЕНИЕ 7
1 Исследовательская часть 9
1.1 Актуальность проблемы 9
1.2 Теоретические основы предметной области 10
1.3 Обзор ПО для анализа и интерпретации ЭКС 15
1.4 Помехи, возникающие при регистрации ЭКС 18
1.5 Формальная постановка задачи 20
1.6 Обзор различных подходов исследования ЭКС 20
1.7 Характеристика использованных баз данных ЭКГ 31
1.8 Выбор инструментария 32
2 Конструкторская часть 34
2.1 Структура и описание эвристического подхода 34
2.2 Точность обнаружения R-зубцов эвристического алгоритма 41
2.3 Структура и описание алгоритма на основе сверточной
нейронной сети 42
2.4 Оценка эффективности разработанной сверточной
нейронной сети 45
2.5 Реализованные функции 47
ЗАКЛЮЧЕНИЕ 57
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ 59
ПРИЛОЖЕНИЕ А Отчет о проверке на заимствования 63
ПРИЛОЖЕНИЕ Б Результат работы ИТ (эвристический алгоритм) 64
ПРИЛОЖЕНИЕ В Результат работы ИТ (алгоритм на основе CNN) 67
На сегодняшний день компьютерные технологии развиваются настолько стремительно, что становятся неотъемлемой частью всех отраслей науки. Медицина не стала исключением, примером тому служит применение компьютеров почти в каждом медицинском обследовании.
Создание систем поддержки принятия врачебных решений - одна из наиболее актуальных задач, связанная с развитием компьютеризации в области здравоохранения.
Частота заболеваний, связанных с патологиями ССС, занимает лидирующую позицию. Проведение кардиологических исследований и последующий анализ полученных данных необходим для определения диагноза, назначения лечения и прогнозирования состояния здоровья человека. В большинстве случаев такие данные врачу приходится анализировать вручную, в то время как автоматизированная обработка имеет большую практичность и экономит время.
Несмотря на то, что автоматизированные подходы трудно внедрить, эти методы помогут раньше выявлять предполагаемый диагноз. Это даст возможность пациентам своевременно проводить диагностические мероприятия и начинать лечебную терапию.
Автоматизированная обработка данных направлена на выполнение таких задач, как ввод данных, обработка, хранение, поиск и вывод информации. Обработка информации, в свою очередь, подразделяется на следующие подзадачи: фильтрация, распознавание комплексов/отдельных зубцов, измерение параметров и интерпретация данных.
Таким образом, разработка информационной технологии поддержки принятия врачебного решения на основе данных ЭКГ является актуальной задачей.
Существует много зарубежных разработок в этой области, которые могут выполнять базовый анализ ЭКГ, но, во-первых, стоимость такого программного обеспечения чрезмерно высока, а во-вторых, зачастую ПО разработано для оборудования конкретной фирмы.
Исследования данной ВКР направлены на:
1. Изучение предметной области, связанной с классификацией аритмии по ЭКГ.
2. Построение ИТ выявления патологий ССС на примере аритмии.
Основной целью работы является разработка информационной технологии поддержки принятия врачебного решения о состоянии сердечно-сосудистой системы человека, на примере распознавания признаков аритмии.
Для достижения данной цели были поставлены следующие задачи:
• изучение предметной области, обзор литературы и Интернет-источников,
• изучение существующих подходов для распознавания/классификации аритмии,
• выбор инструментария и математических методов,
• разработка и реализация алгоритмического и программного обеспечения,
• анализ и интерпретация результатов,
• формирование итогового отчета и защита ВКР.
В данной работе рассмотрены базовые основы нормальной и патологической кардиологии, а именно, наиболее распространенные нарушения ритма сердца. Также изучен принцип работы электрокардиографа, считывающего электрокардиосигналы, базовые признаки нормальной и патологической электрокардиограммы, в частности, признаки наиболее распространенных видов аритмий. При изучении предметной области неоднократно проводилась консультация с практикующим врачом-кардиологом.
В ходе исследования был произведен аналитический обзор специализированных баз данных электрокардиосигнала с интерпретацией кардиологов, представленных в открытом доступе в сети Интернет.
Путем сравнительного анализа произведен выбор языка программирования, и разработана информационная технология поддержки принятия врачебного решения о состоянии сердечно-сосудистой системы человека на примере обнаружения аритмии по оцифрованной электрокардиограмме.
Применив эвристический подход была разработана ИТ, которая позволяет загрузить необработанный оцифрованный сигнал в формате CSV, и получить результат в виде графического представления разности электрических потенциалов с выделенными R-зубцами, обозначенными двумя цветами. График демонстрирует наличие или отсутствии аритмии, а также частоту сердечных сокращений.
Также в работе предложена конкретная архитектура сверточной нейронной сети, позволяющая классифицировать сигналы электрокардиограммы на пять видов, которые были представлены в открытом датасете.
Была проведена оценка распознавания R-зубцов в эвристическом подходе, и анализ эффективности CNN.
Помимо этого, был изучен язык программирования Python, методы работы с цифровым сигналом, а именно с временными рядами.
По результатам проведенных тестов было показано, что эвристический подход распознает аритмию с точностью 90%, а отсутствие аритмии - 98%. В реализации остаются места, которые возможно оптимизировать для лучшей работы, а также реализовать более точный алгоритм.
В свою очередь, CNN классифицирует виды аритмий с F - measure = 78%, что показывает недостаточную эффективность разработанной модели. Однако, CNN отлично различает ЭКС с патологией от ЭКС здорового человека.
Все поставленные задачи были решены, а цель была достигнута.
В дальнейшем планируется расширить классификацию патологий сердца, увеличить объем обучающих данных, а также улучшить архитектуру разработанной информационной технологии.
По результатам проделанной работы первой конструкторской части была написана и опубликована статья в [23]. Кроме того работа была отмечена дипломом в XVII Международной научно-практической конференции студентов, аспирантов и молодых ученых «Молодежь и современные информационные технологии - 2020».
