Details
Title | Разработка системы для контроля состояния сердечно-сосудистой системы человека: выпускная квалификационная работа бакалавра: направление 27.03.04 «Управление в технических системах» ; образовательная программа 27.03.04_02 «Системы и технические средства автоматизации и управления» |
---|---|
Creators | Гердо Виктория Сергеевна |
Scientific adviser | Давыдов Роман Вадимович |
Organization | Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и кибербезопасности |
Imprint | Санкт-Петербург, 2024 |
Collection | Выпускные квалификационные работы; Общая коллекция |
Subjects | пульсовая волна; пульсоксиметр; спектрограмма; градиентный бустинг над решающими деревьями; случайный лес; метод опорных векторов; pulse wave; pulse oximeter; spectrogram; gradient boosting over decision trees; random forest; support vector machine |
Document type | Bachelor graduation qualification work |
File type | |
Language | Russian |
Level of education | Bachelor |
Speciality code (FGOS) | 27.03.04 |
Speciality group (FGOS) | 270000 - Управление в технических системах |
DOI | 10.18720/SPBPU/3/2024/vr/vr24-5096 |
Rights | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
Additionally | New arrival |
Record key | ru\spstu\vkr\33479 |
Record create date | 8/29/2024 |
Allowed Actions
–
Action 'Read' will be available if you login or access site from another network
Action 'Download' will be available if you login or access site from another network
Group | Anonymous |
---|---|
Network | Internet |
Данная работа посвящена исследованию применения методов машинного обучения для решения задачи вычисления показателя скорости пульсовой волны по зарегистрированным сигналам от пульсоксиметра. В процессе выполнения работы был проведен анализ способов выделения признаков из фотоплетизмограммы путем вычисления спектрограммы и расчета статистических характеристик полученного изображения. Так же проведен анализ алгоритмов машинного обучения для применения в задаче предсказания скорости пульсовой волны. В ходе работы с использованием среды разработки Matlab, языка программирования Python и библиотеки sklearn разработана программа для определения скорости пульсовой волны с использованием моделей машинного обучения: RF – случайный лес, SVR – регрессия методом опорных векторов и GBR – градиентный бустинг. Для выполнения работы были использованы сгенерированные данные гемодинамики из открытой базы данных. Было проведено сравнение качества предсказаний различных моделей и выбрана модель с наилучшим качеством предсказаний - SVR, а также реализован алгоритм отбора признаков и проведен анализ зависимости качества моделей от количества используемых признаков.
This work is devoted to the study of the application of machine learning methods to solve the problem of calculating the pulse wave velocity index based on regis-tered signals from a pulse oximeter. In the course of the work, an analysis of methods for isolating features from a photoplethysmogram was carried out by calculating the spectrogram and calculating the statistical characteristics of the resulting image. The analysis of machine learning algorithms for use in the task of predicting the pulse wave velocity is also carried out. In the course of work using the Matlab development environment, the Python programming language and the sklearn library, a program was developed to deter-mine the pulse wave velocity using machine learning models: RF – random forest, SVR – regression by the support vector method and GBR – gradient boosting. Generated hemodynamic data from an open database were used to perform the work. The prediction quality of various models was compared and the model with the best prediction quality, SVR, was selected, as well as an algorithm for feature se-lection was implemented and the dependence of model quality on the number of fea-tures used was analyzed.
Network | User group | Action |
---|---|---|
ILC SPbPU Local Network | All |
|
Internet | Authorized users SPbPU |
|
Internet | Anonymous |
|
Access count: 0
Last 30 days: 0