Širdies sutrikimų atpažinimo elektrokardiogramos įrašuose taikomieji tyrimai
Abromavičius, Vytautas | Recenzentas / Rewiewer |
Darbo gynimo komisijos pirmininkas / Thesis Defence Board Chairman | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member |
Baigiamojo darbo tikslas - įgyvendinti, ištirti, bei palyginti šiuolaikinius algoritmus, skirtus automatiškai atpažinti širdies sutrikimus ECG įrašuose. Darbo uždaviniai:1. Atlikti šiuolaikinių metodų, skirtų automatiškai atpažinti širdies sutrikimus elektrokardiogramos įrašuose, apžvalgą. 2. Surinkti duomenų rinkinį bei įgyvendinti pasirinktus metodus eksperimentiniams tyrimams atlikti.3. Ištirti pasirinktus metodus ir palyginti gautus rezultatus. Analitinėje apžvalgoje nagrinėjami EKG signalų apdorojimo būdai, šiuolaikiniai klasifikavimo metodai ir tinklo sluoksniai. Praktinėje baigiamojo darbo dalyje buvo modifikuoti ir po to realizuoti keturi modeliai. Pirmo modelio rezultatai buvo gauti tokie patys kaip ir autoriaus. Antro modelio pagerėjo ir pasidarė geresni už autoriaus. Trečio modelio rezultatai buvo gauti prastesni už autoriaus. ketvirto, tradicinio modelio rezultatai buvo gauti prasčiausi iš visų, bet tai parodė, kiek šiuolaikiniai metodai patobulėjo. Galutiniai rezultatai parodė, kad „SE-ResNet” modelis yra geriausias iš visų analizuojamų modelių. Taip pat buvo padaryta išvada, kad nėra labai didelio skirtumo kokį modelį naudosi, svarbiau yra kaip jį pritaikysi užduočiai spręsti, nes nors ir „SE-ResNet” modelis parodė geriausius rezultatus šiame tyrime, „Physionet” iššūkyje jis buvo prasčiausias tarp šio tyrimo šiuolaikinių modelių.Darbo apimtis - 54 p., 13 iliustr., 10 lent., 25 bibl., 4 priedai.
The aim of the thesis is to implement, investigate and compare modern algorithms for automatically recognizing heart disorders in ECG recordings. Work tasks:1. To carry out an overview of modern methods for automatic recognition of cardiac abnormalities in electrocardiogram recordings. 2. Collect a set of data and implement selected methods for experimental research.3. To study the chosen methods and compare the obtained results. Analytical review examines ECG signal processing techniques, modern classification methods and network layers. In the practical part of the thesis, four models were modified and then realized. The results of the first model were the same as those of the author. The second model improved and became better than the author. The results of the third model were worse than the author's. the fourth, the traditional model, performed the worst of all, but it showed how much modern methods have improved. The final results showed that the "SE-ResNet" model is the best among all analyzed models. It was also concluded that it doesn't make a big difference which model you use, it's more important how you adapt it to the task, because even though the "SE-ResNet" model showed the best results in this study, it was the worst in the "Physionet" challenge among the modern models in this study .The scope of the work - 54 pages, 13 illustrations, 10 tables, 25 bibliography, 4 appendices.