<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Класифікація електрокардіограм як динамічного процесу на основі спайкінгової нейронної мережі

Скорочена інформація про документ
dc.contributor.authorМилосердов, Д. А.uk
dc.contributor.authorКолесницький, О. К.uk
dc.contributor.authorВолосович, О. С.uk
dc.contributor.authorЖумагулова, Шолпанuk
dc.contributor.authorКороленко, О. О.uk
dc.contributor.authorMyloserdov, D. A.en
dc.contributor.authorKolesnytskyj, O. K.en
dc.contributor.authorVolosovych, O. S.en
dc.contributor.authorZhumagulova, Sholpanen
dc.contributor.authorKorolenko, O. O.en
dc.titleКласифікація електрокардіограм як динамічного процесу на основі спайкінгової нейронної мережіuk
dc.title.alternativeECG classification as a dynamic process based on a spiking neural networken
dc.date.issued2024
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationМилосердов Д. А., Колесницький О. К., Волосович О. С., Жумагулова Шолпан, Короленко О. О. Класифікація електрокардіограм як динамічного процесу на основі спайкінгової нейронної мережі // Оптико-електроннi iнформацiйно-енергетичнi технологiї. 2024. № 2. С. 68-77. URI: https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/731.uk
dc.relation.ispartofОптико-електроннi iнформацiйно-енергетичнi технологiї. № 2 : 68-77.uk
dc.relation.urihttps://oeipt.vntu.edu.ua/index.php/oeipt/article/view/731
dc.identifier.doihttps://doi.org/10.31649/1681-7893-2024-48-2-68-77
dc.identifier.issn2311-2662
dc.identifier.udc004.93
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/55757
dc.description.abstractУ статті проведено аналіз методів класифікації електрокардіограм. Запропоновано метод динамічної класифікації електрокардіограм з використанням спайкінгових нейронних мереж. Обрано динамічні параметри, що є репрезентацією сигналу ЕКГ у часовий ряд. Ці параметри подаються на вхід спайкінгової нейронної мережі, що видає результат як для одиничного удару серця, так і для повного дослідження ЕКГ. Розроблена спайкінгова нейронна мережа має швидке навчання та використовує великі об'єми даних для навчання.uk
dc.description.abstractThe article analyzes the ECG classifying methods. A method of dynamic ECG classification using spiking neural networks is proposed. Dynamic parameters are ed, which are a representation of the ECG signal in a time series. These parameters are fed into the input of a spiking neural network, which outputs both a single heartbeat and a full ECG study. The developed spiking neural network has fast learning and uses large amounts of data for training.en
dc.subjectспайкінгова нейронна мережаuk
dc.subjectелектрокардіограмаuk
dc.subjectаритміяuk
dc.subjectкласифікаціяuk
dc.subjectчасові ряди.uk
dc.subjectSpiking neural networken
dc.subjectElectrocardiogramen
dc.subjectArrhythmiaen
dc.subjectClassificationen
dc.subjectTime series.en
dc.typeArticle, professional native edition
dc.typeArticle
dc.language.isoukuk
dc.relation.referencesJanitor O. V., Chuiko G. P., Darnapuk E. S., Kraynyk Ya. M. (2021).Methods of medical signal processing using maple computer mathematics", "Ilion" magazine.en
dc.relation.referencesBoashash, B., ed. (2003), Time–Frequency Signal Analysis and Processing: A Comprehensive Reference, Oxford: Elsevier Science, ISBN 978-0-08-044335-5.en
dc.relation.referencesArif M. Robust electrocardiogram (ECG) beat classification using discrete wavelet transform. Physiol Meas. 2008;29(5):555.en
dc.relation.referencesWold S, Esbensen K, Geladi P. Principal component analysis. Chemom Intell Lab Syst. 1987;2(1–3):37– 52.en
dc.relation.referencesComon P. Independent component analysis, a new concept? Signal Process. 1994;36(3):287–314.en
dc.relation.referencesVan The Huy и Duong Tuan Anh. (2016). An efficient implementation of anytime k-medoids clustering for time series under dynamic time warping”. B: Proceedings of the Seventh Symposium on Information and Communication Technology, SoICT 2016, Ho Chi Minh City, Vietnam, December 8-9, 2016..en
dc.relation.referencesBardachenko V.F., Kolesnytskyi O.K., Vasiletskyi S.A. (2003). Prospects for the application of impulse neural networks with a timer representation of information for the recognition of dynamic images. UsiM, No. 6. P. 73-82.en
dc.relation.referencesKolesnytskyj O. K., Bokotsey I. V., Yaremchuk S. S. (2010). Optoelectronic Implementation of Pulsed Neurons and Neural Networks Using Bispin-Devices. Optical Memory & Neural Networks (Information Optics). Vol.19. № 2. P.154-165.en
dc.relation.referencesJi, Shuiwang; Xu, Wei; Yang, Ming; Yu, Kai (1 ciчня 2013). 3D Convolutional Neural Networks for Human Action Recognition. IEEE Transactions on Pattern Analysis and Machine Intelligence. 35 (1): 221–231. ISSN 0162-8828.en
dc.relation.referencesGuo L, Sim G, Matuszewski B. Inter-patient ECG classification with convolutional and recurrent neural networks. Biocybern Biomed Eng. 2019;39(3):868–79.en
dc.relation.referencesKozemiako V. P., Kolesnytskyj O. K., Lischenko T. S., Wojcik W. and Sulemenov A. (2013). Optoelectronic spiking neural network. Proceedings of SPIE - The International Society for Optical Engineering. Vol. 8698.en
dc.relation.referencesNeurocomputer architecture based on spiking neural network and its optoelectronic implementation / Oleh K. Kolesnytskyj; Vladislav V. Kutsman; Krzysztof Skorupski; Mukaddas Arshidinova, Proc. SPIE 11176, Photonics Applications in Astronomy, Communications, Industry, and High-Energy Physics Experiments 2019, 1117609 (6 November 2019); doi: 10.1117/12.2536607.en
dc.relation.referencesMIT-BIH Arrhythmia Database [Електронний ресурс] – Режим доступу: https://physionet.org/content/mitdb/1.0.0/.uk
dc.relation.referencesW. Gerstner, and W. Kistler (2002). Spiking Neuron Models: Single Neurons, Populations, Plasticity. Cambridge: Cambridge University Press, doi:10.1017/CBO9780511815706.en
dc.relation.referencesWójcik Waldemar, Smolarz Andrzej (2017). Information Technology in Medical Diagnostics, July 11, 2017 by CRC Press, 210 Pages.en
dc.relation.referencesHighly linear Microelectronic Sensors Signal Converters Based on Push-Pull Amplifier Circuits / edited by Waldemar Wojcik and Sergii Pavlov, Monograph, (2022) NR 181, Lublin, Comitet Inzynierii Srodowiska PAN, 283 Pages. ISBN 978-83-63714-80-2.en
dc.relation.referencesPavlov Sergii, Avrunin Oleg, Hrushko Oleksandr, and etc. (2021). System of three-dimensional human face images formation for plastic and reconstructive medicine // Teaching and subjects on bio-medical engineering Approaches and experiences from the BIOART-project Peter Arras and David Luengo (Eds.), Corresponding authors, Peter Arras and David Luengo. Printed by Acco cv, Leuven (Belgium). - 22 P. ISBN: 978-94-641-4245-7.en
dc.relation.referencesPavlov S.V., Avrunin O.G., etc. (2019). Intellectual technologies in medical diagnosis, treatment and rehabilitation: monograph / [S. In edited by S. Pavlov, O. Avrunin. - Vinnytsia: PP "TD "Edelweiss and K", 260 p. ISBN 978-617-7237-59-3.en
dc.relation.referencesRomanyuk, O., Zavalniuk, Y., Pavlov, S., etc. (2023). New surface reflectance model with the combination of two cubic functions usage, Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Srodowiska,, 13(3), pp. 101–10.en
dc.relation.referencesKukharchuk, Vasyl V., Sergii V. Pavlov, Volodymyr S. Holodiuk, Valery E. Kryvonosov, Krzysztof Skorupski, Assel Mussabekova, and Gaini Karnakova. (2022). "Information Conversion in Measuring Channels with Optoelectronic Sensors" Sensors 22, no. 1: 271. https://doi.org/10.3390/s22010271.en
dc.relation.referencesVasyl V. Kukharchuk, Sergii V. Pavlov, Samoil Sh. Katsyv, and etc. (2021). Transient analysis in 1st order electrical circuits in violation of commutation laws”, Przegląd elektrotechniczny, ISSN 0033- 2097, R. 97 NR 9/2021, p. 26-29, doi:10.15199/48.2021.09.05.en
dc.relation.referencesPavlov S.V, Petruk V.G., Kolesnik P.F. (2007). Photoplethysmohrafic technologies of the cardiovascular control: monography, Vinnitsa: Universum-Vinnitsa, 254 p.en
dc.relation.referencesWójcik W, Mezhiievska I, Pavlov SV, Lewandowski T, Vlasenko OV, Maslovskyi V, Volosovych O, Kobylianska I, Moskovchuk O, Ovcharuk V, et al. (2023). Medical Fuzzy-Expert System for Assessment of the Degree of Anatomical Lesion of Coronary Arteries. International Journal.en
dc.date.accessioned2026-10-22T07:56:46Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
209741.pdf
Розмір:
732,16 KB
Формат:
Adobe Portable Document Format
Завантажити

Зібрання

Оптико-електронні інформаційно-енергетичні технології. 2024. № 2