Метод класифікації аритмій на ЕКГ-сигналі

Метод класифікації аритмій на ЕКГ-сигналі

This paper proposes an improved arrhythmia classification method based on a convolutional neural network (CNN) applied to ECG signals. To improve the quality of classification, ECG signals were split into fragments containing three cardiac cycles with the current cardiac cycle in the center. The imp...

Повний опис

Збережено в:
Бібліографічні деталі
Дата:2024
Автори: Ковальчук, О. В., Бармак , О.В.
Формат: Стаття
Мова:Ukrainian
Опубліковано: Vinnytsia National Technical University 2024
Теми:
медична діагностика
електрокардіограма
класифікація ЕКГ
штучний інтелект
згорткові нейроні мережі
Онлайн доступ:https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/717
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Optoelectronic Information-Power Technologies

Репозитарії

Optoelectronic Information-Power Technologies
id oai:oeipt.vntu.edu.ua:article-717
record_format ojs
spelling oai:oeipt.vntu.edu.ua:article-7172024-11-19T13:20:53Z Method of arrhythmia classification on ECG signal Метод класифікації аритмій на ЕКГ-сигналі Ковальчук, О. В. Бармак , О.В. medical diagnosis, electrocardiogram, ECG classification, artificial intelligence, convolutional neural networks медична діагностика, електрокардіограма, класифікація ЕКГ, штучний інтелект, згорткові нейроні мережі This paper proposes an improved arrhythmia classification method based on a convolutional neural network (CNN) applied to ECG signals. To improve the quality of classification, ECG signals were split into fragments containing three cardiac cycles with the current cardiac cycle in the center. The improved CNN architecture includes the addition of batch normalization layers, an additional convolutional layer, and a dropout layer, which improvs the model's accuracy. In addition, hyperparameters were optimized for new CNN architecture. The model was trained data of the MIT-BIH Arrhythmia Database to classify nine classes of ECG. The achieved average accuracy of 99.26% confirms the effectiveness of the proposed method in diagnosing various types of arrhythmias У статті запропоновано вдосконалений метод класифікації аритмій на основі згорткової нейронної мережі (CNN), застосованої до сигналів ЕКГ. Для покращення якості класифікації сигнали ЕКГ було розбито на фрагменти, що містять три кардіоцикли, з поточним кардіоциклом у центрі. Вдосконалена архітектура CNN включала додавання шарів пакетної нормалізації, додаткового згорткового шару та шару відсіювання, що сприяло підвищенню точності моделі. Окрім цього, було проведено оптимізацію гіперпараметрів. Модель навчалася на базі даних MIT-BIH Arrhythmia Database для класифікації дев'яти класів ЕКГ. Досягнута середня точність 99,26% підтверджує ефективність запропонованого методу в діагностиці різних типів аритмій. Vinnytsia National Technical University 2024-11-19 Article Article application/pdf https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/717 10.31649/1681-7893-2024-48-2-34-44 Optoelectronic Information-Power Technologies; Vol. 48 No. 2 (2024); 34-44 Оптико-електроннi iнформацiйно-енергетичнi технологiї; Том 48 № 2 (2024); 34-44 Оптико-електроннi iнформацiйно-енергетичнi технологiї; Том 48 № 2 (2024); 34-44 2311-2662 1681-7893 10.31649/10.31649/1681-7893-2024-48-2 uk https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/717/664
institution Optoelectronic Information-Power Technologies
baseUrl_str
datestamp_date 2024-11-19T13:20:53Z
collection OJS
language Ukrainian
topic медична діагностика
електрокардіограма
класифікація ЕКГ
штучний інтелект
згорткові нейроні мережі
spellingShingle медична діагностика
електрокардіограма
класифікація ЕКГ
штучний інтелект
згорткові нейроні мережі
Ковальчук, О. В.
Бармак , О.В.
Метод класифікації аритмій на ЕКГ-сигналі
topic_facet medical diagnosis
electrocardiogram
ECG classification
artificial intelligence
convolutional neural networks
медична діагностика
електрокардіограма
класифікація ЕКГ
штучний інтелект
згорткові нейроні мережі
format Article
author Ковальчук, О. В.
Бармак , О.В.
author_facet Ковальчук, О. В.
Бармак , О.В.
author_sort Ковальчук, О. В.
title Метод класифікації аритмій на ЕКГ-сигналі
title_short Метод класифікації аритмій на ЕКГ-сигналі
title_full Метод класифікації аритмій на ЕКГ-сигналі
title_fullStr Метод класифікації аритмій на ЕКГ-сигналі
title_full_unstemmed Метод класифікації аритмій на ЕКГ-сигналі
title_sort метод класифікації аритмій на екг-сигналі
title_alt Method of arrhythmia classification on ECG signal
description This paper proposes an improved arrhythmia classification method based on a convolutional neural network (CNN) applied to ECG signals. To improve the quality of classification, ECG signals were split into fragments containing three cardiac cycles with the current cardiac cycle in the center. The improved CNN architecture includes the addition of batch normalization layers, an additional convolutional layer, and a dropout layer, which improvs the model's accuracy. In addition, hyperparameters were optimized for new CNN architecture. The model was trained data of the MIT-BIH Arrhythmia Database to classify nine classes of ECG. The achieved average accuracy of 99.26% confirms the effectiveness of the proposed method in diagnosing various types of arrhythmias
publisher Vinnytsia National Technical University
publishDate 2024
url https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/717
work_keys_str_mv AT kovalʹčukov methodofarrhythmiaclassificationonecgsignal
AT barmakov methodofarrhythmiaclassificationonecgsignal
AT kovalʹčukov metodklasifíkacííaritmíjnaekgsignalí
AT barmakov metodklasifíkacííaritmíjnaekgsignalí
first_indexed 2025-09-24T17:29:36Z
last_indexed 2025-09-24T17:29:36Z
_version_ 1850410276746166272

Схожі ресурси