Математики Северо-Кавказского федерального университета (СКФУ) предложили подход, повышающий точность определения мерцательной аритмии (фибрилляции предсердий), повышающей риск ишемического инсульта, разработав новую архитектуру с передовой рекуррентной структурой нейронной сети.
«Для более точной интерпретации сигналов мы используем предварительную цифровую обработку данных с помощью цифровых фильтров, спектрального анализа и некоторых других методов. Благодаря этому нам удалось существенно снизить шумы различной природы, искажающие сигнал электрокардиограммы. В результате мы смогли повысить точность интерпретации данных до 87,5%. У лучших зарубежных аналогов этот показатель достигает 79-83%», – заявил TRT на русском руководитель проекта, заведующий кафедрой математического моделирования СКФУ и искусственного интеллекта Павел Ляхов.
Для обучения нейронной сети использовалась открытая база сигналов кардиограмм «PhysioNet Computing in Cardiology Challenge» (CinC Challenge). Во время первой симуляции сеть изучила данные 976 кардиограмм, а во время второй ей предложили 5754 кардиограммы.
Предложенное решение может быть реализовано в виде специальной программы, которая на входе будет получать сигнал кардиограммы, а на выходе выносить вердикт, нуждается ли человек в лечении или профилактике сердечно-сосудистых заболеваний.
В перспективе результаты могут быть обобщены и применены для обработки других биомедицинских сигналов, полученных с тела человека. Большой интерес представляет также обработка мозговых сигналов по электроэнцефалограмме. Подобные исследования сейчас очень актуальны для разработки интерфейса «мозг-компьютер», позволяющего управлять компьютером с помощью своих мыслей без мышек и клавиатуры, указали в СКФУ.
