| dc.contributor.author | Арнаутова, А. К. | uk |
| dc.contributor.author | Іванчук, Я. В. | uk |
| dc.contributor.author | Arnautova, A. K. | en |
| dc.contributor.author | Ivanchuk, Y. V. | en |
| dc.date.accessioned | 2026-09-17T10:06:20Z | |
| dc.date.available | 2026-09-17T10:06:20Z | |
| dc.date.issued | 2026 | |
| dc.identifier.citation | Арнаутова А. К., Іванчук Я. В. Інтелектуальна система аналізу екг-сигналів // Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2026/paper/view/28295. | uk |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua/handle/123456789/54476 | |
| dc.description.abstract | У роботі розглянуто підхід до створення інтелектуальної системи аналізу електрокардіограм з використанням методів глибокого навчання. Запропоновано архітектуру програмного комплексу, що поєднує згорткові та рекурентні нейронні мережі для автоматичного виявлення патологій серцевої діяльності. Реалізовано механізм введення клінічних симптомів та обробки кардіосигналів, що дозволяє підвищити точність попередньої діагностики. | uk |
| dc.description.abstract | The paper considers an approach to creating an intelligent system for analysing electrocardiograms using deep learning methods. The architecture of a software complex combining convolutional and recurrent neural networks for automatic detection of cardiac pathologies is proposed. A mechanism for entering clinical symptoms and processing cardiac signals has been implemented, which improves the accuracy of preliminary diagnosis. | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2026/paper/view/28295 | |
| dc.subject | електрокардіограма | uk |
| dc.subject | нейронні мережі | uk |
| dc.subject | глибоке навчання | uk |
| dc.subject | медичні інформаційні системи | uk |
| dc.subject | автоматична діагностика | uk |
| dc.subject | electrocardiogram | en |
| dc.subject | neural networks | en |
| dc.subject | deep learning | en |
| dc.subject | medical information systems | en |
| dc.subject | automatic diagnosis | en |
| dc.title | Інтелектуальна система аналізу екг-сигналів | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 616.12-073.97:004.8 | |
| dc.relation.references | Acharya U.R., Fujita H., Lih O.S., Hagiwara Y., Tan J.H., Adam M. Automated detection of arrhythmias using different intervals of tachycardia ECG segments with convolutional neural network // Information Sciences. - 2017. - Vol. 405. - P. 81- 90. | en |
| dc.relation.references | Hannun A.Y., Rajpurkar P., Haghpanahi M. et al. Cardiologist-level arrhythmia detection and classification in ambulatory electrocardiograms using a deep neural network // Nature Medicine. - 2019. - Vol. 25. P. 65-69. | en |
| dc.relation.references | Goldberger A.L., Amaral L.A.N., Glass L. et al. PhysioBank, PhysioToolkit, and PhysioNet: Components of a new research resource for complex physiologic signals // Circulation. - 2000. - Vol. 101. - P. 215220. | en |