Ispitivanje utjecaja hiperparametara dubokih neuronskih mreža na učinkovitost klasifikacije poremećaja iz 12-kanalnog elektrokardiograma

završni rad

• Naslov (engleski): Evaluating the Influence of Deep Neural Network Hyperparameters on Disorder Classification Efficiency from 12-Channel Electrocardiogram
• Autor: Marin Matjanec
• Mentor: Alan Jović (mentor)
• Član povjerenstva: Alan Jović (predsjednik povjerenstva)
• Član povjerenstva: Igor Stančin (član povjerenstva)
• Član povjerenstva: Josip Renić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2021-07-05, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Kardiovaskularne bolesti pripadaju najopasnijim bolestima s kojima se ljudi susreću. Elektrokardiogram najbitniji je nalaz kod svih kardioloških pregleda. Analiza EKG-a problem je koji se može primijeniti u računarstvu koristeći umjetnu inteligenciju, a kao najbolja metoda pokazale su se duboke neuronske mreže. U ovom radu provedeno je istraživanje nekih od najbitnijih hiperparametara dubokih neuronskih mreža, te njihov utjecaj na uspješnost klasifikacije oboljenja iz zapisa EKG-a. Kroz istraživanje točnost početnog modela na skupu za validaciju poboljšana je za 6,3%, a na skupu za testiranje za 5%. Osim analize, kao rezultat ovog rada napravljena je i aplikacija koja korisnicima nudi učitavanje zapisa, njihovo učenje ili testiranje te ispis rezultata.

Sažetak (engleski)

Cardiovascular diseases belong to the most dangerous diseases that people encounter. The electrocardiogram is the most important finding in all cardiac examinations. ECG analysis is a problem that can be applied in computing using artificial intelligence, and deep neural networks have proven to be the best method. In this paper, a research of the most important hyperparameters of deep neural networks was conducted, and their impact on the success of the classification of diseases from ECG records. Through research, the accuracy of the initial model on the validation set was improved by 6.3% and on the test set by 5%. In addition to the analysis, as a result of this paper, an application was created that offers users to load records, learn or test them and print the results.

• Ključne riječi: elektrokardiogram; srce; duboka neuronska mreža; hiperparametar; konvolucijski sloj; sloj s dugim kratokročnim pamćenjem
• Ključne riječi (engleski): electrocardiogram; heart; deep neural network; hyperparameter; convolutional layer; long short term memory layer
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:697375
• 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: 2023-01-14 21:09:10