кандидат технических наук;
candidate of technical sciences;
кандидат технических наук;
candidate of technical sciences;
В работе представлено решение проблемы разработки искусственной нейронной сети для классификации электрокардиограмм с целью выявления сердечно-сосудистых заболеваний пациента. Выполнен литературный обзор применения искусственных нейронных сетей для использования в медицине при определении различных сердечных патологий состояния пациентов. Определены наиболее значимые шесть параметров сердечного ритма, которые могут быть использованы при нейросетевом моделировании состояния сердечно-сосудистой системы человека. Проведен анализ возможностей известных коммерческих программ по классификации электрокардиограмм, выявлены их достоинства и недостатки. Описаны возможности современных приборов для снятия кардиограмм с указанием точности их измерений. Проведено исследование трех различных структур искомой нейронной сети и выбран наилучший вариант. Программный пакет выполнен на языке Python в среде Pycharm 2023.1. Обучение сети проводили на основе алгоритма обратного распространения ошибки, оптимизатором служил метод Адама. В качестве критерия использовали среднеквадратическое отклонение выходного сигнала сети от эталона. Функция Softmax, используемая в выходном слое, служит для преобразования выхода нейронов в вероятности. Таким образом, разработана нейронная математическая модель для выявления сердечных заболеваний, обладающая невысокими системными требованиями к ЭВМ, которая может быть применена для разработки программного обеспечения для носимой электроники. Искусственная нейронная сеть обладает следующей метрикой: точность – 90%, чувствительность – 90%, специфичность – 10%.
The paper presents a solution to the problem of developing an artificial neural network for classifying electrocardiograms in order to identify a patient's cardiovascular diseases. A literary review of the use of artificial neural networks for use in medicine in the determination of various cardiac pathologies in the condition of patients has been carried out. The most significant six parameters of the heart rhythm have been determined, which can be used in neural network modeling of the state of the human cardiovascular system. An analysis of the capabilities of well-known commercial programs for the classification of electrocardiograms was carried out, their advantages and disadvantages were identified. The capabilities of modern devices for taking cardiograms are described with an indication of the accuracy of their measurements. A study of three different structures of the desired neural network was carried out and the best option was chosen. The software package is made in Python in the Pycharm 2023.1 environment. The network was trained on the basis of the error backpropagation algorithm, the Adam method served as an optimizer. The standard deviation of the network output signal from the standard was used as a criterion. The Softmax function used in the output layer is used to convert the output of neurons into probabilities. Thus, a neural mathematical model for detecting heart diseases has been developed, which has low system requirements for a computer, which can be used to develop software for wearable electronics. An artificial neural network has the following metric: accuracy - 90%, sensitivity - 90%, specificity - 10%.