Нейромережевий аналіз електрокардіографічного сигналу

Abstract

У роботі проведено аналіз електрокардіограми для для виявлення порушення ритму серця в режимі реального часу. Мета роботи – для побудови нейромереживого класифікатору для виявлення фібриляції передсердь у сигналах ЕКГ. Методи дослідження: штучні нейронні мережі рекурентного типу. Результати дослідження: обґрунтовувано застосування рекурентних нейронних мереж (RNN) з пам'яттю для автоматичного розпізнавання хвиль ЕКГ, походження ЕКГ сигналу виявилося ключовим етапом, а його елементи (P-, QRS-, та T-хвилі) є основою для діагностики та моніторингу різноманітних патологій. Розроблено пакет програм у середовищі MatLab для побудови класифікатору для виявлення фібриляції передсердь у сигналах ЕКГ за допомогою штучної нейронної мережі Long Short-Term Memory. Результати роботи можуть бути застосовані при розробці кардіологічних біотехнічних систем, орієнтованих на работу в режимі реального часу.Object of study - electrocardiographic signal with heart rhythm disturbances. The subject of the study is the analysis of electrocardiograms to detect heart rhythm disturbances in real time. Purpose: to build a neural network classifier for detecting atrial fibrillation in ECG signals. Research methods: artificial neural networks of recurrent type. Research results: the use of recurrent neural networks (RNN) with memory for automatic recognition of ECG waves is substantiated, the origin of the ECG signal has turned out to be a key stage, and its elements (P-, QRS-, and T-waves) are the basis for diagnosing and monitoring various pathologies. A package of programs in MatLab was developed to build a classifier for detecting atrial fibrillation in ECG signals using an artificial neural network Long Short-Term Memory. Gotten results can be used for the real time cardiac biotechnical systems design.