Details

Title: Применение вейвлет-преобразования для извлечения и обработки диагностической информации из ЭКГ сигнала: выпускная квалификационная работа бакалавра: направление 01.03.03 «Механика и математическое моделирование» ; образовательная программа 01.03.03_02 «Биомеханика и медицинская инженерия»
Creators: Зайнуллина Диана Маратовна
Scientific adviser: Лобода Ольга Сергеевна
Other creators: Павлов Виталий Александрович
Organization: Санкт-Петербургский политехнический университет Петра Великого. Физико-механический институт
Imprint: Санкт-Петербург, 2022
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: автоматическая обработка и анализ ЭКГ; вейвлет-преобразование; фильтрация ЭКГ; извлечение диагностической информации из ЭКГ; машинное обучение; automatic ECG processing and analysis; wavelet transform; ECG filtering; extraction of diagnostic information from ECG; machine learning
Document type: Bachelor graduation qualification work
File type: PDF
Language: Russian
Level of education: Bachelor
Speciality code (FGOS): 01.03.03
Speciality group (FGOS): 010000 - Математика и механика
DOI: 10.18720/SPBPU/3/2022/vr/vr22-1023
Rights: Доступ по паролю из сети Интернет (чтение)
Record key: ru\spstu\vkr\17196

Allowed Actions:

Action 'Read' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

Проанализированы современный способы обработки и анализа ЭКГ. Наиболее эффективным способом обработки и извлечения диагностической информации является метод, основанный на вейвлет преобразовании. Классификация ЭКГ производилась на 4 класса при помощи машинного обучения, в основе алгоритм случайного леса. Алгоритм обработки сигнала реализовался с использованием программного пакета Matlab, классификация на языке Python.

Modern methods of ECG processing and analysis are analyzed. The most effective way of processing and extracting diagnostic information is the method based on the wavelet transform. ECG classification was carried out into 4 classes using machine learning, based on a random forest algorithm. The signal-processing algorithm was implemented using the Matlab software package, classification in the Python language.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read
Internet Authorized users SPbPU Read
-> Internet Anonymous

Usage statistics

stat Access count: 2
Last 30 days: 0
Detailed usage statistics