Využití neuronové sítě při detekci poruch srdečního rytmu z EKG dat a signálu akcelerometru

Abstract

Tato bakalářská práce se věnuje problematice detekce poruch srdečního rytmu ze signálů EKG a akcelerometru s využitím strojového učení. Nejprve byla provedena analýza možností detekce poruch srdečního rytmu z těchto signálů pomocí teoretické rešerše. V další části byla navržena metodika pro detekci dvou poruch rytmu: nepřiměřené sinusové tachykardie a chronotropní inkompetence. Metodika byla dodatečně doplněna adaptivní filtrací EKG signálu pomocí signálu akcelerometru. Ve třeti částí práce byla vytvořena databáze vzorků pro trénování modelů strojového učení navržených v metodice. Další část obsahovala popis a realizaci modelů. V páté části práce byla v programovacím jazyce Python vytvořena aplikace pro detekci poruch srdečního rytmu pomocí navržené metodiky. Nakonec byla provedena diskuze a evaluace výsledků.This bachelor's thesis addresses the issue of detecting heart rhythm disorders from EKG and accelerometer signals using machine learning. First, an analysis of the possibilities for detecting heart rhythm disorders from these signals was conducted through a theoretical review. In the next part, a methodology was proposed for detecting two rhythm disorders: inappropriate sinus tachycardia and chronotropic incompetence. The methodology was further supplemented with adaptive filtering of EKG signals using signals from the accelerometer. In the third part of the thesis, a database of samples was created for training machine learning models proposed in the methodology. The next section included the description and implementation of the models. In the fifth part of the thesis, an application for detecting heart rhythm disorders using the proposed methodology was developed in the Python programming language. Finally, a discussion and evaluation of the results were conducted.