Pregled bibliografske jedinice broj: 1204570
Klasifikacija srčanih ritmova iz snimaka 12- kanalnog elektrokardiograma koristeći kombinaciju pristupa dubokog učenja
Klasifikacija srčanih ritmova iz snimaka 12- kanalnog elektrokardiograma koristeći kombinaciju pristupa dubokog učenja, 2022., diplomski rad, diplomski, Fakultet elektrotehnike i računarstva, Zagreb
CROSBI ID: 1204570 Za ispravke kontaktirajte CROSBI podršku putem web obrasca
Naslov
Klasifikacija srčanih ritmova iz snimaka 12-
kanalnog elektrokardiograma koristeći kombinaciju
pristupa dubokog učenja
(Cardiac arrhythmia classification from 12-lead
electrocardiogram using a combination of deep
learning approaches)
Autori
Barišić, Marko
Vrsta, podvrsta i kategorija rada
Ocjenski radovi, diplomski rad, diplomski
Fakultet
Fakultet elektrotehnike i računarstva
Mjesto
Zagreb
Datum
05.07
Godina
2022
Stranica
57
Mentor
Jović, Alan
Ključne riječi
klasifikacija srčanih ritmova ; EKG ; duboko učenje ; konvolucijski auto-enkoder ; LSTM ; GAN ; poboljšanje podataka
(arrhythmia classification ; ECG ; deep learning ; convolutional autoencoder ; LSTM ; GAN ; data augmentation)
Sažetak
Uobičajeno je da se signali elektrokardiograma (EKG) zapisuju i motre kroz određeni vremenski period i konačno ih analizira stručnjak. Automatska klasifikacija srčanih ritmova ima potencijal poboljšati dijagnostiku. U ovom radu istražuje se korištenje učenja iz reprezentacije snimaka EKG-a za klasifikaciju srčanih ritmova. Skup podataka se sastoji od pet srčanih ritmova i kreiran je od baza podataka CPSC, CPSC-Extra i The Georgia 12-lead ECG Challenge Database. Koristi se sofisticirani pristup dubokog učenja za učenje iz reprezentacije i klasifikaciju, točnije kombinacija konvolucijskog auto-enkodera (CAE) i LSTM-klasifikatora. CAE je korišten za sažimanje ulazne snimke što služi kao ulaz u LSTM- klasifikator. Također je ostvareno poboljšanje skupa podataka (engl. data augmentation) za uravnotežavanje skupa podataka zasnovano na CAE te na GAN-ovima. Klasifikacijski rezultati tek prelaze 90% točnosti te pokazuju kako je korištenje ovog složenog pristupa dubokog učenja pogodno za rješavanje problema, ali i da ima mjesta za daljnji napredak.
Izvorni jezik
Hrvatski
Znanstvena područja
Računarstvo, Kliničke medicinske znanosti
POVEZANOST RADA
Ustanove:
Fakultet elektrotehnike i računarstva, Zagreb
Profili:
Alan Jović
(mentor)