Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/26512
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Котина Елена Дмитриевна | ru_RU |
dc.contributor.advisor | Kotina Elena Dmitrievna | en_GB |
dc.contributor.author | Губайдуллин Булат Альбертович | ru_RU |
dc.contributor.author | Gubajdullin Bulat Albertovic | en_GB |
dc.contributor.editor | Головкина Анна Геннадьевна | ru_RU |
dc.contributor.editor | Golovkina Anna Gennadevna | en_GB |
dc.date.accessioned | 2021-03-24T15:51:01Z | - |
dc.date.available | 2021-03-24T15:51:01Z | - |
dc.date.issued | 2020 | |
dc.identifier.other | 054745 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/26512 | - |
dc.description.abstract | Цель исследования - реализовать алгоритм для диагностики заболеваний по электрокардиограмме с использованием методов машинного обучения. В данной работе рассмотрены алгоритмы фильтрации и детрендинга сигнала, описан процесс выделения значимых медицинских характеристик из очищенного кардиосигнала, а также продемонстрированы результаты диагностики инфаркта миокарда и аритмии. Научная новизна заключается в разработке диагностирующей системы, способной оказать значительную поддержку медработникам в процессе расшифровки электрокардиограммы, а значит существенно повысить эффективность работы системы здравоохранения. | ru_RU |
dc.description.abstract | The aim of this study is to implement an algorithm for diagnosing diseases by an electrocardiogram utilizing machine learning algorithms. We consider algorithms for filtering and detrending the signal, describe the process of extracting significant medical characteristics from the purified electrocardiac signal, and also show the results of the diagnosis of myocardial infarction and arrhythmia. Scientific novelty lies in the development of a diagnostic system that can provide significant support to medical workers in the process of decoding the electrocardiogram. By this, the efficiency of health care system can be significantly increased. | en_GB |
dc.language.iso | ru | |
dc.subject | Кардиология | ru_RU |
dc.subject | электрокардиограмма | ru_RU |
dc.subject | диагностика | ru_RU |
dc.subject | машинное обучение | ru_RU |
dc.subject | алгоритмы фильтрации сигнала | ru_RU |
dc.subject | характеристики ЭКГ | ru_RU |
dc.subject | Cardiology | en_GB |
dc.subject | electrocardiogram | en_GB |
dc.subject | diagnostics | en_GB |
dc.subject | machine learning | en_GB |
dc.subject | signal filtering algorithms | en_GB |
dc.subject | ECG characteristics | en_GB |
dc.title | Disease diagnosis by ECG with use of machine learning algorithms | en_GB |
dc.title.alternative | Диагностика заболеваний по электрокардиограмме с использованием методов машинного обучения | ru_RU |
Располагается в коллекциях: | BACHELOR STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
VKR_GubajdullinBA.pdf | Article | 1,26 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Otzyv_rukovoditela_Gubajdullin.pdf | ReviewSV | 118,09 kB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.