Метод класифікації аритмій на ЕКГ-сигналі

Автор(и)

  • О. В. Ковальчук Хмельницький національний університет
  • О.В. Бармак Хмельницький національний університет

DOI:

https://doi.org/10.31649/1681-7893-2024-48-2-34-44

Ключові слова:

медична діагностика, електрокардіограма, класифікація ЕКГ, штучний інтелект, згорткові нейроні мережі

Анотація

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.

Біографії авторів

О. В. Ковальчук, Хмельницький національний університет

аспірант кафедри комп'ютерних наук

О.В. Бармак , Хмельницький національний університет

д.т.н., професор, завідувач кафедри комп'ютерних наук

Посилання

Hassan S., Zahid M., Abdullah T., Husain K., “Classification of cardiac arrhythmia using a convolutional neuralnetwork and bi-directional long short-term memory”, Digit. Health, 2022, pp. 1-13, doi: 10.1177/20552076221102766.

Liu F., Zhou X., Cao J., Wang Z., Wang H., Zhang Y. “A LSTM and CNN Based Assemble Neural Network Framework for Arrhythmias Classification”, ICASSP 2019 - 2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Brighton, UK, 2019, pp. 1303-1307, doi: 10.1109/ICASSP.2019.8682299.

Xu X., Liu H., “ECG Heartbeat Classification Using Convolutional Neural Networks”, IEEE Access, vol. 8, pp. 8614-8619, 2020, doi: 10.1109/ACCESS.2020.2964749.

Degirmenci M., Ozdemir M. A., Izci E., Akan A., “Arrhythmic Heartbeat Classification Using 2D Convolutional Neural Networks”, IRBM, 2021, doi: 10.1016/j.irbm.2021.04.002

Rohmantri R., Surantha N., “Arrhythmia Classification using 2D Convolutional Neural Network”, the International Journal of Advanced Computer Science and Applications, pp. 201-208, 2020.

Ullah A., Anwar S. M., Bilal M., Mehmood R. M., “Classification of Arrhythmia by Using Deep Learning with 2-D ECG Spectral Image Representation”, Remote Sensing, 2020. doi:10.3390/rs12101685».

Giriprasad P., Sanjeeva reddy A., Sreehari R.V., “Automatic Classification of Cardiac Arrhythmias based on ECG Signals Using Transferred Deep Learning Convolution Neural Network”, Journal of Physics: Conference Series, Volume 2089, 1st International Conference on Applied Mathematics, Modeling and Simulation in Engineering (AMSE), 2021. doi:10.1088/1742-6596/2089/1/012058.

Vu T. A., Huy H. Q., Khanh P. D., Huyen N. T. M., Uyen T. T. T., Huong P. T. V., “Classifyarrhythmia by using 2Dspectral images and deep neural network”, 2021, doi: 10.11591/ijeecs.v25.i2.pp931-940».

Zhang H., Liu C., Zhang Z., Xing Y., Liu X., Dong R., He Y. H., Xia L., Liu F., “Recurrence Plot-Based Approach for Cardiac Arrhythmia Classification Using Inception-ResNet-v2”, Front Physiol, 2021, doi: 10.3389/fphys.2021.648950.

Abdelhafid E., Aymane E., Benayad N., Abdelalim S., Hachem E. Y. A. M., Rachid O. H. T., Brahim B., “ECG Arrhythmia Classification Using Convolutional Neural Network”, The International Journal of Emerging Technology and Advanced Engineering, 2022, pp. 186-195, doi: 10.46338/ijetae0722_19

Yang G., Pennington J., Rao V., Sohl-Dickstein J., Schoenholz S. S., “A Mean Field Theory of Batch Normalization”, 2019, doi.org/10.48550/arXiv.1902.08129.

Moody G., R. Mark, “The impact of the MIT-BIH Arrhythmia Database”, IEEE Eng in Med and Biol, 2001, pp. 45-50, doi: 10.1109/51.932724.

Adaptive Moment Estimation. [Online]. Available: https://medium.com/@nerdjock/deep-learning-course-lesson-7-4-adam-adaptive-moment-estimation-e23434850bfc.

Hoo Z. H., Candlish J., Teare D., “What is an ROC curve?” Emergency Medicine Journa, 2017, pp. 357-359, doi: 10.1136/emermed-2017-206735.

Pavlov S. V. Information Technology in Medical Diagnostics //Waldemar Wójcik, Andrzej Smolarz, July 11, 2017 by CRC Press - 210 Pages.

Wójcik W., Pavlov S., Kalimoldayev M. Information Technology in Medical Diagnostics II. London: (2019). Taylor & Francis Group, CRC Press, Balkema book. – 336 Pages.

Highly linear Microelectronic Sensors Signal Converters Based on Push-Pull Amplifier Circuits / edited by Waldemar Wojcik and Sergii Pavlov, Monograph, (2022) NR 181, Lublin, Comitet Inzynierii Srodowiska PAN, 283 Pages. ISBN 978-83-63714-80-2

Pavlov Sergii, Avrunin Oleg, Hrushko Oleksandr, and etc. System of three-dimensional human face images formation for plastic and reconstructive medicine // Teaching and subjects on bio-medical engineering Approaches and experiences from the BIOART-project Peter Arras and David Luengo (Eds.), 2021, Corresponding authors, Peter Arras and David Luengo. Printed by Acco cv, Leuven (Belgium). - 22 P. ISBN: 978-94-641-4245-7.

Intellectual technologies in medical diagnosis, treatment and rehabilitation: monograph / [S. In Pavlova, O.G. Avrunina, S.M. Zlepka, E.V. Bodyanskyi, etc.]; edited by S. Pavlov, O. Avrunin. - Vinnytsia: PP "TD "Edelweiss and K", 2019. -260 p. ISBN 978-617-7237-59-3.

Vasyl V. Kukharchuk, Sergii V. Pavlov, Samoil Sh. Katsyv, and etc. (2021). Transient analysis in 1st order electrical circuits in violation of commutation laws”, Przegląd elektrotechniczny, ISSN 0033-2097, R. 97 NR 9/2021, p. 26-29, doi:10.15199/48.2021.09.05.

Pavlov S.V, Petruk V.G., Kolesnik P.F. (2007). Photoplethysmohrafic technologies of the cardiovascular control: monography, Vinnitsa: Universum-Vinnitsa, 254 p.

Wójcik W, Mezhiievska I, Pavlov SV, Lewandowski T, Vlasenko OV, Maslovskyi V, Volosovych O, Kobylianska I, Moskovchuk O, Ovcharuk V, et al. (2023). Medical Fuzzy-Expert System for Assessment of the Degree of Anatomical Lesion of Coronary Arteries. International Journal of Environmental Research and Public Health. 20(2):979. https://doi.org/10.3390/ijerph20020979.

##submission.downloads##

Переглядів анотації: 23

Опубліковано

2024-11-19

Як цитувати

[1]
О. В. . Ковальчук і О. . Бармак, «Метод класифікації аритмій на ЕКГ-сигналі», Опт-ел. інф-енерг. техн., вип. 48, вип. 2, с. 34–44, Лис 2024.

Номер

Розділ

Методи та системи оптико-електронної і цифрової обробки зображень та сигналів

Метрики

Завантаження

Дані завантаження ще не доступні.