Аналіз особливостей використання згорткових нейронних мереж для класифікації кардіосигналів

Автор(и)

  • І.В. Мисловський Вінницький національний технічний університет https://orcid.org/0009-0009-3925-3551
  • Я.І. Ярославський Національний університет «Одеська Політехніка, директор, ДП «Вінницький науково-дослідний та проектний інститут землеустрою» https://orcid.org/0009-0000-1603-9055

DOI:

https://doi.org/10.31649/1681-7893-2026-51-1-220-226

Ключові слова:

електрокардіографія (ЕКГ), згорткові нейронні мережі, 1D CNN, ішемічна хвороба серця, глибоке навчання, обробка медичних сигналів, портативна діагностика.

Анотація

У цій статті представлено огляд перспектив використання одновимірних згорткових нейронних мереж (1D CNN) для автоматизованої класифікації кардіосигналів. Проаналізовано ключові параметри ЕКГ-сигналу, необхідні для детекції патологій. Досліджено механіку роботи та архітектуру 1D CNN, висвітлено процес наскрізного навчання, який дозволяє мережі самостійно формувати  приховані біомаркери без попереднього ручного маркування зубців P, Q, R, S, T. Зроблено порівняльний аналіз традиційних експертних систем та методів глибокого навчання, де обґрунтовано перевагу 1D CNN в умовах зашумлених даних та мобільного моніторингу. Класичні алгоритми створені для 12-канальних стаціонарних кардіографів у межах стаціонарів, натомість CNN дозволяють отримувати базову інформацію працюючи в одноканальному режимі(зі смарт-годинника чи фітнес-трекера) під час руху людини. Завдяки оптимізації та малим розміром, ці моделі можна розгортати безпосередньо на мікропроцесорах пристроїв, забезпечуючи постійний моніторинг серця 24/7 без необхідності підключення до інтернету.

Біографії авторів

І.В. Мисловський, Вінницький національний технічний університет

Аспірант кафедри БМІОЕС, факультет інформаційних електронних систем

Я.І. Ярославський, Національний університет «Одеська Політехніка, директор, ДП «Вінницький науково-дослідний та проектний інститут землеустрою»

Кардидат технічних наук, старший викладач кафедри біомедичної інженерії

Посилання

Cardiovascular diseases (CVDs) [Електронний ресурс] / World Health Organization. — Режим доступу: https://www.who.int/news-room/fact-sheets/detail/ cardiovascular-diseases-cvds (дата звернення: 10.05.2026).

Resolution of the round table on the topic: “Be on guard of your heart – activation of measures to overcome behavioral risk factors for cardiovascular diseases”, Kyiv, September 29, 2023 [Electronic resource]. URL: https://komzdrav.rada.gov.ua/uploads/documents/33265.pdf (address 10.05.2026).

Diagnostic Accuracy of Apple Watch Electrocardiogram for Atrial Fibrillation A Systematic Review and Meta-Analysis / S. Shahid, M. Iqbal, H. Saeed // JACC: Advances. — 2025. — Vol. 4.

An AI tool detected structural heart disease in adults using a smartwatch [Електронний ресурс] / American Heart Association. — 2025. — Режим доступу: https://newsroom.heart.org/news/an-ai-tool-detected-structural-heart-disease-in-adults-using-a-smartwatch (дата звернення: 10.05.2026)

Hampton J. R. The ECG Made Easy. – 9 ed. – Edinburgh : Elsevier, 2019.

Pan J., Tompkins W. J. A real-time QRS detection algorithm // IEEE Transactions on Biomedical Engineering. – 1985. – Vol. 32, № 3.– DOI:10.1109/TBME.1985.325532.

Addison P. S. Wavelet transforms and the ECG// Physiological Measurement. – 2005. – Vol. 26, № 5. – P. R155–R199. – DOI: 10.1088/0967-3334/26/5/R01.

Macfarlane P. W., Latif A., Bogaert Y. The University of Glasgow (Uni-G) ECG analysis program // Computers in Cardiology. – 2005. – Vol. 32. – P. 451–454. – DOI: 10.1109/CIC.2005.1588134.

Goodfellow I. Convolutional Networks / I. Goodfellow, Y. Bengio, A. Courville // Deep Learning. – Cambridge : MIT Press, 2016. – Ch. 9.

1D convolutional neural networks and applications: A survey / S. Kiranyaz, O. Avci, O. Abdeljaber// Mechanical Systems and Signal Processing. – 2021. – Vol. 151. – P. 107398. – DOI: https://doi.org/10.1016/j.ymssp.2020.107398.

Cardiologist-Level Arrhythmia Detection with Convolutional Neural Networks / P. Rajpurkar, A. Y. Hannun, M. Haghpanahi [et al.] // arXiv. – 2017. – URL: https://arxiv.org/pdf/1707.01836.

Real-Time Cardiac Arrhythmia Classification Using TinyML on Ultra-Low-Cost Microcontrollers: A Feasibility Study for Resource-Constrained Environments / M. Zambrano-de la Torre, S. Guzman-Alfaro, A. Acuña-Correa [et al.] // Bioengineering. – 2026. – Vol. 13, № 5. – P. 532. – DOI: 10.3390/bioengineering13050532.

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.

Kanishyna Tetiana, Pavlov Volodymyr, etc. "Study of tissue microcirculation disorders after tooth extraction by photoplethysmography in diabetic patients", Proc. SPIE 12476, Photonics Applications in Astronomy, Communications, Industry, and High Energy Physics Experiments 2022, 1247603 (12 December 2022); https://doi.org/10.1117/12.2657895.

D. Miloserdov, O. Kolesnitsky, O. . Volosovych, Sh. . Zhumagulova, and O. Korolenko, “Classification of electrocardiograms as a dynamic process based on a spiking neural network”, Opt-el. inf-energ. tech., vol. 48, no. 2, pp. 68–77, Nov 2024.

##submission.downloads##

  • PDF
    Завантажень: 2
Переглядів анотації: 9

Опубліковано

2026-06-18

Як цитувати

[1]
І. Мисловський і Я. Ярославський, «Аналіз особливостей використання згорткових нейронних мереж для класифікації кардіосигналів», Опт-ел. інф-енерг. техн., вип. 51, вип. 1, с. 220–226, Чер 2026.

Номер

Том 51 № 1 (2026)

Розділ

Біомедичні оптико-електронні системи та прилади

Метрики

Завантаження

Дані завантаження ще не доступні.

Ліцензія

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

  1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
  2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
  3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).

Статті цього автора (авторів), які найбільше читають