СРАВНИТЕЛЬНЫЙ АНАЛИЗ МОДЕЛЕЙ CNN ДЛЯ ВЫЯВЛЕНИЯ СЕРДЕЧНО-СОСУДИСТЫХ ЗАБОЛЕВАНИЙ

Аннотация

В современной медицинской практике сердечно-сосудистые заболевания (ССЗ) остаются одной из основных причин смертности и заболеваемости во всем мире. Электрокардиография (ЭКГ) продолжает оставаться одним из основных неинвазивных методов диагностики нарушений сердечного ритма и других патологий миокарда. Однако традиционный анализ ЭКГ в значительной степени зависит от интерпретации специалиста, которая может быть субъективной и подверженной человеческим ошибкам. Благодаря достижениям в области машинного обучения и глубокого обучения теперь появилась возможность автоматизировать и стандартизировать диагностический процесс. В этом исследовании сверточные нейронные сети (CNN), в частности архитектуры ResNet50 и VGG16, применяются для классификации изображений ЭКГ. Настройка гиперпараметров проводится для оптимизации размера пакета и скорости обучения. Кроме того, представлен прототип веб-сервиса, реализованный с помощью React для фронтенда и Django REST Framework для бэкенда, который позволяет проводить автоматизированную классификацию ЭКГ в реальном времени. Такой подход может облегчить нагрузку на кардиологов и повысить объективность диагностики в клинических условиях.