Класифікація електрокардіограм як динамічного процесу на основі спайкінгової нейронної мережі

The article analyzes the ECG classifying methods. A method of dynamic ECG classification using spiking neural networks is proposed. Dynamic parameters are selected, which are a representation of the ECG signal in a time series. These parameters are fed into the input of a spiking neural network, whi...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Datum:2024
Hauptverfasser: Милосердов, Д.А., Колесницький, О.К., Волосович, О.С., Жумагулова, Шолпан, Короленко , О.О.
Format: Artikel
Sprache:Ukrainian
Veröffentlicht: Vinnytsia National Technical University 2024
Schlagworte:
Online Zugang:https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/731
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:Optoelectronic Information-Power Technologies

Institution

Optoelectronic Information-Power Technologies
id oai:oeipt.vntu.edu.ua:article-731
record_format ojs
spelling oai:oeipt.vntu.edu.ua:article-7312024-11-19T13:20:53Z ECG classification as a dynamic process based on a spiking neural network Класифікація електрокардіограм як динамічного процесу на основі спайкінгової нейронної мережі Милосердов, Д.А. Колесницький, О.К. Волосович, О.С. Жумагулова, Шолпан Короленко , О.О. Spiking neural network, Electrocardiogram, Arrhythmia, Classification, Time series. спайкінгова нейронна мережа, електрокардіограма, аритмія, класифікація, часові ряди. The article analyzes the ECG classifying methods. A method of dynamic ECG classification using spiking neural networks is proposed. Dynamic parameters are selected, which are a representation of the ECG signal in a time series. These parameters are fed into the input of a spiking neural network, which outputs both a single heartbeat and a full ECG study. The developed spiking neural network has fast learning and uses large amounts of data for training. У статті проведено аналіз методів класифікації електрокардіограм. Запропоновано метод динамічної класифікації електрокардіограм з використанням спайкінгових нейронних мереж. Обрано динамічні параметри, що є репрезентацією сигналу ЕКГ у часовий ряд. Ці параметри подаються на вхід спайкінгової нейронної мережі, що видає результат як для одиничного удару серця, так і для повного дослідження ЕКГ. Розроблена спайкінгова нейронна мережа має швидке навчання та використовує великі об'єми даних для навчання.  Vinnytsia National Technical University 2024-11-19 Article Article application/pdf https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/731 10.31649/1681-7893-2024-48-2-68-77 Optoelectronic Information-Power Technologies; Vol. 48 No. 2 (2024); 68-77 Оптико-електроннi iнформацiйно-енергетичнi технологiї; Том 48 № 2 (2024); 68-77 Оптико-електроннi iнформацiйно-енергетичнi технологiї; Том 48 № 2 (2024); 68-77 2311-2662 1681-7893 10.31649/10.31649/1681-7893-2024-48-2 uk https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/731/677
institution Optoelectronic Information-Power Technologies
baseUrl_str
datestamp_date 2024-11-19T13:20:53Z
collection OJS
language Ukrainian
topic спайкінгова нейронна мережа
електрокардіограма
аритмія
класифікація
часові ряди.
spellingShingle спайкінгова нейронна мережа
електрокардіограма
аритмія
класифікація
часові ряди.
Милосердов, Д.А.
Колесницький, О.К.
Волосович, О.С.
Жумагулова, Шолпан
Короленко , О.О.
Класифікація електрокардіограм як динамічного процесу на основі спайкінгової нейронної мережі
topic_facet Spiking neural network
Electrocardiogram
Arrhythmia
Classification
Time series.
спайкінгова нейронна мережа
електрокардіограма
аритмія
класифікація
часові ряди.
format Article
author Милосердов, Д.А.
Колесницький, О.К.
Волосович, О.С.
Жумагулова, Шолпан
Короленко , О.О.
author_facet Милосердов, Д.А.
Колесницький, О.К.
Волосович, О.С.
Жумагулова, Шолпан
Короленко , О.О.
author_sort Милосердов, Д.А.
title Класифікація електрокардіограм як динамічного процесу на основі спайкінгової нейронної мережі
title_short Класифікація електрокардіограм як динамічного процесу на основі спайкінгової нейронної мережі
title_full Класифікація електрокардіограм як динамічного процесу на основі спайкінгової нейронної мережі
title_fullStr Класифікація електрокардіограм як динамічного процесу на основі спайкінгової нейронної мережі
title_full_unstemmed Класифікація електрокардіограм як динамічного процесу на основі спайкінгової нейронної мережі
title_sort класифікація електрокардіограм як динамічного процесу на основі спайкінгової нейронної мережі
title_alt ECG classification as a dynamic process based on a spiking neural network
description The article analyzes the ECG classifying methods. A method of dynamic ECG classification using spiking neural networks is proposed. Dynamic parameters are selected, which are a representation of the ECG signal in a time series. These parameters are fed into the input of a spiking neural network, which outputs both a single heartbeat and a full ECG study. The developed spiking neural network has fast learning and uses large amounts of data for training.
publisher Vinnytsia National Technical University
publishDate 2024
url https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/731
work_keys_str_mv AT miloserdovda ecgclassificationasadynamicprocessbasedonaspikingneuralnetwork
AT kolesnicʹkijok ecgclassificationasadynamicprocessbasedonaspikingneuralnetwork
AT volosovičos ecgclassificationasadynamicprocessbasedonaspikingneuralnetwork
AT žumagulovašolpan ecgclassificationasadynamicprocessbasedonaspikingneuralnetwork
AT korolenkooo ecgclassificationasadynamicprocessbasedonaspikingneuralnetwork
AT miloserdovda klasifíkacíâelektrokardíogramâkdinamíčnogoprocesunaosnovíspajkíngovoínejronnoímereží
AT kolesnicʹkijok klasifíkacíâelektrokardíogramâkdinamíčnogoprocesunaosnovíspajkíngovoínejronnoímereží
AT volosovičos klasifíkacíâelektrokardíogramâkdinamíčnogoprocesunaosnovíspajkíngovoínejronnoímereží
AT žumagulovašolpan klasifíkacíâelektrokardíogramâkdinamíčnogoprocesunaosnovíspajkíngovoínejronnoímereží
AT korolenkooo klasifíkacíâelektrokardíogramâkdinamíčnogoprocesunaosnovíspajkíngovoínejronnoímereží
first_indexed 2025-09-24T17:29:38Z
last_indexed 2025-09-24T17:29:38Z
_version_ 1844167288553472000