Search academic texts

Information × Registration Number 2125U002958, Article popup.category Бакалаврська робота Title System for supporting decision-making with anomaly detection on electrocardiograms using neural networks (AI translated) popup.author Чуєв Ілля РомановичChuiev Illya Romanovych popup.publication 01-01-2025 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/75891 popup.publisher Київ Description Дипломна робота: 85 с., 24 рис., 6 табл., 12 посилань, додатки. Об’єктом дослідження є процес автоматизованого аналізу електрокардіограм. Предметом дослідження є програмне забезпечення для аналізу ЕКГ з елементами штучного інтелекту. Метою роботи є створення комп’ютерного інтерфейсу програмування застосунків для дослідження та попередньої діагностики серцево–судинних захворювань за кардіограмами. У роботі розглянуто сучасні методи аналізу електрокардіограм із використанням нейромережевих моделей. Проаналізовано наявні рішення у галузі медичного програмного забезпечення. Розроблено інтерфейс програмування застосунків (API) на базі мови програмування Python із використанням технології FastAPI. Запропоновано модель глибокого навчання для прогнозування можливих патологій серця на основі даних ЕКГ. Для реалізації моделі застосовано бібліотеку TorchECG, що базується на PyTorch. Розроблену систему протестовано на тестових вибірках, отримано коректні результати класифікації основних типів відхилень. Встановлено ефективність використання нейронних мереж для аналізу кардіограм. У роботі виконано програмну реалізацію, протестовано модель та наведено рекомендації щодо подальшого розвитку системи. Master's thesis: 85 p., 24 figures, 6 tables, 12 references, appendix. The object of the study is the process of automated electrocardiogram analysis. The subject of research is software for ECG analysis incorporating elements of artificial intelligence. The purpose of the work is to develop a computer application programming interface for the analysis and preliminary diagnosis of cardiovascular diseases using ECG data. The thesis reviews modern methods of electrocardiogram analysis using neural network models. Existing solutions in the field of medical software are analyzed. An application programming interface (API) was developed using the Python programming language and the FastAPI framework. A deep learning model for predicting possible heart pathologies based on ECG data is proposed. The model was implemented using the TorchECG library based on the PyTorch framework. The developed system was tested on sample datasets and showed accurate classification results for major types of abnormalities. The effectiveness of using neural networks for ECG analysis has been confirmed. The work includes the software implementation, model testing, and provides recommendations for future development of the system. popup.nrat_date 2025-11-05 Close