Search academic texts

Information × Registration Number 0825U001394, PhD dissertation Status Доктор філософії Date 27-06-2025 popup.evolution o Title Methods for detecting pathologies from the electrocardiogram signal using explainable artificial intelligence. Author Oleksii Kovalchuk, popup.head Oleksandr V. Barmak popup.opponent Nataliia Shakhovska popup.opponent Oleksii Bychkov popup.review Yelyzaveta Hnatchuk popup.review Tetyana Kysil' Description На сьогодні існує багато інструментів, які допомагають лікарям попереджати або виявляти проблеми в роботі серця. Одним з найбільш поширених засобів є електрокардіографія, яка надає можливість графічно реєструвати електричні явища з тіла люди, які виникають у серцевому м'язі під час його роботи. Криву, яку отримують в результаті фіксації такої активності, називають електрокардіограмою. У процесі аналізу ЕКГ лікарі-кардіологи звертають увагу на характерні зміни форми, інтервалів і амплітуд хвиль, що вказують на можливі патології в роботі серця. Кожна хвиля та інтервал на ЕКГ-сигналі відображають певні фази серцевого циклу, за якими лікарі оцінюють стан серцевого м’яза. Однак для точного діагностування кардіологам необхідно мати «натреноване око», щоб виявляти навіть мінімальні відхилення в ЕКГ-профілі, які можуть вказувати на серйозні порушення, такі як ішемія, аритмія або порушення провідності. Оскільки існує багато типів можливих відхилень ЕКГ від норми та великі за обсягом ЕКГ-записи (такі, як холтери), то процес їх аналізу може бути затратним за часом та з імовірними помилками, а невчасно або неправильно поставлений діагноз може мати фатальні наслідки для пацієнтів. Саме тому для вирішення зазначених проблем актуальним є застосування методів та підходів штучного інтелекту. Об’єктом дослідження є процес виявлення патологій аритмій на електрокардіограмі засобами глибокого навчання з подальшою інтерпретацією отриманих результатів. Предметом дослідження є методи та засоби глибокого навчання для виявлення патологій аритмій на електрокардіограмі. Метою дослідження є покращення точності класифікації патологій аритмій на електрокардіограмі засобами глибокого навчання з подальшою інтерпретацією отриманих результатів за допомогою ознак, що використовуються у медичній практиці. У дисертаційній роботі розроблено новий метод ідентифікації R-зубців на ЕКГ-сигналі, який відрізняється від існуючих використанням моделі глибокого навчання з двома вхідними сигналами – ЕКГ-сигналом та, синхронним з ним, сигналом з прогнозованим розташуванням R-зубців, що дало змогу підвищити точність ідентифікації. У дисертаційній роботі удосконалено метод класифікації патологій аритмій на ЕКГ-сигналі, який відрізняється від відомих використанням тріади кардіоциклів, що дозволяє сформувати контекстну інформацію виникнення кардіоциклу, для подальшої класифікації вдосконаленою архітектурою моделі глибокого навчання, що дозволило збільшити кількість патологій для розпізнавання та підвищити точність класифікації. У дисертаційній роботі вперше розроблено метод інтерпретації результатів класифікації патологій аритмій, отриманих з ЕКГ-сигналу за моделями глибокого навчання, що дало змогу подати результати класифікації за ознаками, що використовуються у медичній практиці. Практичне значення отриманих результатів полягає в доведенні теоретичних результатів дисертаційної роботи до реалізації та у безпосередньому використанні їх у відповідних медичних установах. Реалізована інформаційна система на основі методів пошуку R-зубців та класифікації ЕКГ-сигналу на наявність патологій аритмій забезпечують користувачу прогнози наявності патологій аритмій 9 підтримуваних класів для всіх виявлених кардіоциклів, що несе рекомендаційних характер та пришвидшує роботу лікаря в аналізі ЕКГ-сигналу. Реалізована інформаційна система включає використання методу інтерпретації рішень класифікації патологій аритмій, отриманих за моделями глибокого навчання, дозволяє подати лікарю результати класифікації за ознаками, що використовуються у медичній практиці. Такий підхід робить рішення моделей глибокого навчання більш доступними для лікаря, забезпечуючи довіру до отриманих результатів. Реалізована інформаційна система класифікації патологій аритмій та інтерпретації результатів класифікації базується на клієнт-серверній архітектурі, що дозволяє виконувати всі обчислення на віддаленому сервері з потужним обладнанням, тоді як клієнт здійснює лише передачу даних, отримання та візуалізацію результатів, що дає можливість використовувати систему в невеликих клініках з обмеженими обчислювальними ресурсами. Результати дисертаційної роботи впроваджено: у медичному лікувально-діагностичному центрі «Сіліція-Сіті+» (довідка про впровадження); ТОВ «АЙ ТІ ХУТ» (довідка про впровадження); у навчальному процесі Хмельницького національного університету (акт впровадження); при виконанні держбюджетної теми Хмельницького національного університету «Система виявлення ЗПЗ та комп'ютерних атак в корпоративних мережах з використанням хибних об'єктів атак та пасток» (ДР № 0124U000980) Registration Date 2025-04-29 popup.nrat_date 2025-04-29 Close