Klasifikacija srčanih ritmova iz snimaka 12-kanalnog elektrokardiograma

završni rad

• Naslov (engleski): Cardiac Rhythms Classification from 12-Channel Electrocardiogram Recordings
• Autor: Marko Barišić
• Mentor: Alan Jović (mentor)
• Član povjerenstva: Alan Jović (predsjednik povjerenstva)
• Član povjerenstva: Nikolina Frid (član povjerenstva)
• Član povjerenstva: Igor Stančin (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-07-08, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Kardiovaskularne bolesti najrašireniji su i najčešći uzrok smrti na svijetu. Razvoj sustava za klasifikaciju srčanih ritmova iz snimaka rada srca ima široku mogućnost primjene. U ovom završnom radu istražuje se područje kardiologije, analize signala te strojnog učenja. Domensko znanje iz kardiologije ključno je za uspješno pronalaženje i izvlačenje značajki iz snimke EKG-a. Istražuju se algoritmi za analizu snimke signala EKG-a: Pan-Tompkinsov algoritam za pronalazak QRS kompleksa i Elgendijev algoritam za pronalazak T i P valova. Za klasifikaciju su korišteni algoritmi logističke regresije i stroja s potpornim vektorima. Prikazani su rezultati za dva klasifikacijska problema, binarna klasifikacija normalnog sinusnog ritma i aritmije te višerazredna klasifikaciju devet srčanih ritmova. Iz rezultata se vidi prostor za napredak rješenja, bilo to u nadogradnji algoritama za analizu signala ili korištenju drugih algoritama strojnog učenja.

Sažetak (engleski)

Cardiovascular diseases are the leading cause of death globally. The development of a system for classification of heart rhythms from 12-lead ECG-s has a wide range of use. This bachelor thesis researches the field of cardiology, signal analysis and machine learning. Knowledge of cardiology is vital for successfully demarcating and extracting features from electrocardiograms. Signal analysis algortihms used are the following: Pan-Tompkins algorithm for QRS complex detection and Elgendi's algorithm for T an P wave detection. Logistic regression and support vector machine algorithms are used for classification. Achieved results on two classification problems, binary classification of normal sinus rhyth and arrhythmia and multiclass classification of nine different heart rhythms, are presented in this thesis. Results indicate some space for improvement of the solution which can be explored by improving the implementation of signal analysis algorithms or by using other machine learning algorithms.

• Ključne riječi: klasifikacija; 12-kanalni elektrokardiogram; srčani ritmovi; analzia elektrokardiograma; strojno učenje
• Ključne riječi (engleski): classification; 12-channel electrocardiogram; cardiac rhythms; electrocardiogram analysis; machine learning
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:528846
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 14:29:10