Целью работы стало создание в составе программно-аппаратного комплекса «Киберсердце» системы автоматического анализа электрокардиограмм — программного модуля «Киберсердце–Диагностика» — и выбор методов машинного обучения для ее тестирования на основе сравнительного анализа их возможностей.
Материалы и методы. При разработке программного комплекса использовали известные методы машинного обучения, работа которых строится на большой выборке размеченных данных, т.е. на базе ЭКГ с известными заключениями: метод опорных векторов, дерево решений, искусственные нейронные сети, методы квадратичного и линейного дискриминантного анализа, метод случайных подпространств, AdaBoost, случайный лес, логистическая регрессия (модель нейрона Мак-Каллока–Питтса). Для сравнительного анализа и оценки точности полученных результатов программа «Киберсердце–Диагностика» была протестирована на открытых международных базах данных ЭКГ: Arrhythmia Data Set, PhysioNet PTBDB, PhysioNet Competition 2017, а также на материалах собственной базы данных, включающей 1652 записи стандартной 12-канальной ЭКГ покоя. Все ЭКГ были описаны врачами-экспертами с формированием структурированного врачебного заключения, которое принималось как эталонное.
Результаты. В различных классах признаков точность диагностики программы «Киберсердце–Диагностика» составила 83,8–94,5%, при сравнении с заключениями врачей-экспертов — 66,3–95,1%. Таким образом, разработанная программа по качеству анализа электрокардиограмм сравнима с мировыми аналогами.
Moskalenko V.A., Nikolskiy A.V., Zolotykh N.Yu., Kozlov A.A., Kosonogov K.A., Kalyakulina A.I., Yusipov I.I., Levanov V.M. Cyberheart-Diagnostics Software Package for Automated Electrocardiogram Analysis Based on Machine Learning Techniques.
Sovremennye tehnologii v medicine
2019; 11(2):
86,
https://doi.org/10.17691/stm2019.11.2.12