Кластеризація медико-біологічних сигналів в розпізнавальних системах, що навчаються з учителем

Autor: Lahutin, Vitalii Vasyliovych, Syrotenko, Vladyslav Ihorovych, Shachikov, Andrii Dmytrovych, Shuliak, Oleksandr Petrovych
Jazyk: angličtina
Rok vydání: 2019
Předmět:
Zdroj: Mìkrosistemi, Elektronìka ta Akustika, Vol 24, Iss 6 (2019)
Microsystems, Electronics and Acoustics; Том 24, № 6 (2019); 38-52
Микросистемы, Электроника и Акустика; Том 24, № 6 (2019); 38-52
Мікросистеми, Електроніка та Акустика; Том 24, № 6 (2019); 38-52
ISSN: 2523-4455
2523-4447
Popis: Recognition of biomedical signals by the characteristics of their shape using supervised learning algorithms in patient diagnostic systems is considered. The classification of signals is assumed to be known and training samples are assumed to be available. A statistical assessment of the decision fidelity of the types of signals in the control samples by indicators of sensitivity, specificity, general validity is assumed.The principle and procedure for improving the basic signal recognition procedure are disclosed. A software toolkit is developed and researched to identify and implement possible reserves in increasing the fidelity of decisions from a more detailed consideration of the nature and characteristics of the probability distributions of signals in their phase space. For this purpose, clustering of training samples is additionally carried out at locations of their aggregation, separately according to signal classes. Families of cluster standards attached to these locations are formed and they are used to determine the types of incoming signals.The procedures for their processing are getting more complicated. The complexity of training and decision-making is growing. Signal recognition training becomes combined. However, their initial classification, which carries a certain medical meaning, is not violated. The emphasis in decision-making is shifted to comparing recognized signals with nearest standards in their vicinity. Distant standards lose their influence.The development and research are illustrated by examples of recognition of three types of QRS complexes (N, A, and V) in the patient’s electrocardiogram record. The effectiveness of the developed tools is tested on concrete training and control samples in comparison with the basic algorithm.
Розглядається розпізнавання медико-біологічних сигналів по характеристикам їх форми за допомогою алгоритмів, яких навчають з учителем, в системах діагностики пацієнтів. Класифікація сигналів вважається відомою, навчальні вибірки – доступними. Передбачається статистична оцінка вірності рішень про типи сигналів на контрольних вибірках за показниками чутливості, специфічності, загальною валідності.Розкриваються принцип і порядок вдосконалення взятої за основу базової процедури розпізнавання сигналів. Розробляється і досліджується програмний інструментарій для виявлення і реалізації можливих резервів у підвищенні вірності рішень за рахунок більш детального урахування характеру і особливостей імовірнісних розподілів сигналів в фазовому просторі. З цією метою окремо по класам сигналів додатково здійснюється кластеризації навчальних вибірок на локаціях їх скупчення. Формуються прив'язані до цих локацій сімейства кластерних еталонів і вони використовуються при визначенні типів сигналів, що надходять. Навчання розпізнаванню сигналів стає комбінованим. Вихідна їх класифікація, що несе певний медичний сенс, не порушується.Розробки і дослідження ілюструються прикладами розпізнавання трьох типів QRS-комплексів (N, A і V) в запису електрокардіограми пацієнта. Результативність застосування розробленого інструментарію перевіряється на конкретних навчальних і контрольних вибірках в порівнянні з показниками базового алгоритму.
Databáze: OpenAIRE
Externí odkaz: