Разработка платформы для диагностирования сердечных патологий по ЭКГ с помощью методов машинного обучения
Аннотация
Выпускная квалификационная работа посвящена решению острой проблемы доступности расшифровки ЭКГ сигнала, а также методам обработки и исследования ЭКГ данных на примере поиска аритмий.
Объект исследования – системы медицинского скрининга сердца, методы обнаружения патологий сердца.
Предмет исследования – расшифровка ЭКГ через программный интерфейс.
Цель работы – анализ и разработка решения расшифровки электрокардиограмм, для классификации и поиска патологий сердца.
Методы исследования: генерация гипотез, поиск датасетов, обработка данных, анализ данных, тестирование решений, валидация результата.
В работе представлено три раздела.
Первый посвящён введению в проблему ЭКГ, текущему положению дел в области анализа медицинских данных, а также этапам работы с ЭКГ сигналом и постановкой медицинской задачи
Второй определяет методологию работы над проектом и посвящён проектированию системы. Также здесь представлено тестирование различных ml решений для задачи классификации аритмии.
И в третьем разделе представлены разработка платформы и интеграция с инференсом модели.
Результат работы: решение в виде платформы, позволяющее через программный и графический интерфейс взаимодействовать с моделями машинного обучения для получения расшифровки по ЭКГ.
Объект исследования – системы медицинского скрининга сердца, методы обнаружения патологий сердца.
Предмет исследования – расшифровка ЭКГ через программный интерфейс.
Цель работы – анализ и разработка решения расшифровки электрокардиограмм, для классификации и поиска патологий сердца.
Методы исследования: генерация гипотез, поиск датасетов, обработка данных, анализ данных, тестирование решений, валидация результата.
В работе представлено три раздела.
Первый посвящён введению в проблему ЭКГ, текущему положению дел в области анализа медицинских данных, а также этапам работы с ЭКГ сигналом и постановкой медицинской задачи
Второй определяет методологию работы над проектом и посвящён проектированию системы. Также здесь представлено тестирование различных ml решений для задачи классификации аритмии.
И в третьем разделе представлены разработка платформы и интеграция с инференсом модели.
Результат работы: решение в виде платформы, позволяющее через программный и графический интерфейс взаимодействовать с моделями машинного обучения для получения расшифровки по ЭКГ.