СВЕРТОЧНАЯ НЕЙРОННАЯ СЕТЬ ДЛЯ КЛАССИФИКАЦИИ ЭЛЕКТРОКАРДИОСИГНАЛОВ 

Леонид Юрьевич Кривоногов, доктор технических наук, доцент, профессор кафедры медицинской кибернетики и информатики, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40) E-mail: leonidkrivonogov@yandex.ru
Станислав Федорович Левин, врач-ординатор, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40) E-mail: lvin.stanislav.01@mail.ru
Илхомджон Сулхиддинович Иномбоев, студент, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40) E-mail: ilhomdzoninomboev@gmail.com
Дмитрий Викторович Папшев, старший преподаватель кафедры медицинской кибернетики и информатики, Пензенский государственный университет  (Россия, г. Пенза, ул. Красная, 40) E-mail: rover_d@mail.ru

Актуальность и цели. Рассматривается разработка нейросетевого классификатора электрокардиосигналов (ЭКС). Автоматическая классификация освобождает кардиологов от трудоемкой и однообразной работы, сокращает время интерпретации электрокардиограмм. Целью исследования является разработка и оценка качества модели сверточной нейронной сети для автоматической классификации ЭКС в 12 стандартных отведениях для выявления наиболее распространенных и опасных состояний сердечно-сосудистой системы. Материалы и методы. Выбраны и обоснованы группы заболеваний для классификации. Предложена оригинальная модификация архитектуры сверточной нейронной сети 1D ResNet34. В качестве данных для обучения и тестирования модели были использованы ЭКГ-записи из общедоступной китайской базы физиологических сигналов CPSC Database. Обучение и оценка качества модели были реализованы методом 10-кратной кросс-валидации. Результаты. Оценка качества классификации электрокардиосигналов была проведена при помощи стандартных метрик. Средние значения точности (аccuracy), меры F1 и AUC-ROC разработанного классификатора составляют 0,964, 0,832 и 0,975 соответственно. Выводы. Качество классификации электрокардиосигналов разработанной моделью соответствует мировому уровню и практически не уступает врачебному. Разработанный классификатор может быть интегрирован в различные системы электрокардиографической диагностики.

Ключевые слова

электрокардиография, классификация электрокардиосигналов, глубокое обучение, сверточные нейронные сети

 Скачать статью в формате PDF

Для цитирования:

Кривоногов Л. Ю., Левин С. Ф., Иномбоев И. С., Папшев Д. В. Сверточная нейронная сеть для классификации электрокардиосигналов // Модели, системы, сети в экономике, технике, природе и обществе. 2024. № 4. С. 108–121. doi: 10.21685/2227-8486-2024-4-9