Разделы презентаций
- Разное
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Геометрия
- Детские презентации
- Информатика
- История
- Литература
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Применение методов машинного обучения в классификации мерцательной аритмии
Содержание
- 1. Применение методов машинного обучения в классификации мерцательной аритмии
- 2. Введение в ЭКГЭлектрокардиограмма (ЭКГ) – это запись
- 3. Норма удара сердца на ЭКГ
- 4. Мерцательная аритмияМерцательная аритмия – это аномальный сердечный
- 5. Цель работыЦелью работы является разработка продукта, решающего
- 6. Мотивация автоматической интерпретации ЭКГ1. Малые изменения в
- 7. Проблемы возникающие при автоматической интерпретации ЭКГ1. Эффект
- 8. Предлагаемая методология
- 9. ПредобработкаПеред выделением признаков необходимо выполнить предобработкуУдалить на
- 10. ПредобработкаПример применения ВЧ фильтраВыделенный удар сердца пациента
- 11. Выделение признаковСигнал ЭКГ является нестационарным случайным процессом,
- 12. Промежуточные результатыВ таблице приведены промежуточные результаты сравнения
- 13. Промежуточные результатыТаблица 2: Сравнения качества классификаторов используя в качестве признаков коэффициенты DWT
- 14. Промежуточные результатыЗависимость количества деревьев в RF и полученной средней точности
- 15. Промежуточные результатыПо промежуточным результатам можно сказать, что
- 16. Дальнейшие планыВ дальнейшем планируется:Эксперименты с большим количеством
- 17. Скачать презентанцию
Введение в ЭКГЭлектрокардиограмма (ЭКГ) – это запись происхождения и распространения электрического потенциала через сердечные мышцы. Таким образом, ЭКГ предлагает врачам функциональной диагностики полезную информацию о ритме и функционировании сердца.
Слайды и текст этой презентации
Слайд 1Применение методов машинного обучения в классификации мерцательной аритмии
Семенюк М.В., студент
4 курса
имени Ярослава Мудрого
Слайд 2Введение в ЭКГ
Электрокардиограмма (ЭКГ) – это запись происхождения и распространения
электрического потенциала через сердечные мышцы. Таким образом, ЭКГ предлагает врачам
функциональной диагностики полезную информацию о ритме и функционировании сердца.
Слайд 4Мерцательная аритмия
Мерцательная аритмия – это аномальный сердечный ритм, характеризующийся быстрым
и нерегулярным биением предсердных камер сердца. Является наиболее часто встречаемой
аритмией в клинической практике, от нее страдают приблизительно 1.5% от всего населения
Слайд 5Цель работы
Целью работы является разработка продукта, решающего задачу классификации сигналов
ЭКГ, используя алгоритмы машинного обучения.
Конечный продукт предназначен для помощи врачу
функциональной диагностики в принятии решения.
Слайд 6Мотивация автоматической интерпретации ЭКГ
1. Малые изменения в продолжительности и амплитуде
сигнала могут быть незаметны человеку
2. Ручная интерпретация ЭКГ утомительна и
отнимает много времени3. Итоговый диагноз склонен к изменчивости при проверке одного сигнала разными врачами
4. Малое количество высококвалифицированных врачей функциональной диагностики
Слайд 7Проблемы возникающие при автоматической интерпретации ЭКГ
1. Эффект плавающей изолинии
2. Высокочастотный
шум, связанный с сетевыми наводками
3. Низкочастотные артефакты, связанные с активностью
мышц4. Выделение QRS комплекса
5. Выбор наиболее подходящих признаков
Слайд 9Предобработка
Перед выделением признаков необходимо выполнить предобработку
Удалить на сигнале шум
Выделить QRS-комплексы
и сегментировать сигнал на отдельные удары сердца
Нормализовать получившиеся удары по
Z-оценке 
Слайд 10Предобработка
Пример применения ВЧ фильтра
Выделенный удар сердца пациента
с аномальным сердечным
ритмом
Выделенный удар сердца пациента
с нормальным сердечным ритмом
Слайд 11Выделение признаков
Сигнал ЭКГ является нестационарным случайным процессом, это подразумевает наличие
у него статистических характеристик.
Это позволяет применить к сигналу DWT(Discrete Wavelet
Transform) и использовать коэффициенты преобразования в качестве морфологических признаков
Слайд 12Промежуточные результаты
В таблице приведены промежуточные результаты сравнения качества классификации мерцательной
аритмии
Таблица 1: Сравнения качества классификаторов без выделения признаков
RF – Random
Forest(Случайный лес)KNN – k-nearest neighbors(Метод k-ближайшего соседа)
SVM – Support vector machine(Метод опорных векторов)
Слайд 13Промежуточные результаты
Таблица 2: Сравнения качества классификаторов используя в качестве признаков
коэффициенты DWT
Слайд 15Промежуточные результаты
По промежуточным результатам можно сказать, что на данном этапе
исследования лучшего качества классификации удалось добиться с помощью классификатора Random
Forest и DWT признаках, извлеченных из ударов сердца.Полученная средняя точность классификации данным методом - 98%
Слайд 16Дальнейшие планы
В дальнейшем планируется:
Эксперименты с большим количеством классификаторов
Сравнить качество классификации
с DWT признаками с другими морфологическими признаками, которые можно выделить
из сигнала ЭКГПолучить более высокую оценку средней точности и F1
Внедрение в систему хранения электрокардиограмм для разметки загруженных сигналов
