Models and Methods for Intelligent Analysis of Morphological and Rhythmic Features of Electrocardiographic Signals
Year: 2026
Type: dissertation
Abstract: Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 122 – Комп’ютерні науки (12 – Інформаційні технології). – Тернопільський національний технічний університет імені Івана Пулюя, Тернопіль, 2026. Підготовка здійснювалась на кафедрі комп’ютерних наук Тернопільського національного технічного університету імені Івана Пулюя Міністерства освіти і науки України. У дисертаційній роботі вирішено актуальне наукове завдання – підвищення ефективності автоматизованої кардіодіагностики внаслідок розроблення моделей та методів інтелектуального аналізу морфологічних і ритмічних ознак електрокардіосигналів на основі математичної моделі у вигляді циклічного випадкового процесу із сегментною зонною структурою, функцій амплітудної та часової варіабельності зубців електрокардіосигналів, методів їх статистичного оцінювання та алгоритмів класифікації. У вступі обґрунтовано актуальність теми дисертації, визначено зв’язок роботи з науковими темами, сформульовано мету і завдання дослідження, визначено об’єкт, предмет і методи дослідження, наведено загальну характеристику дисертації, окреслено наукову новизну отриманих результатів та їхнє практичне значення, а також розкрито питання апробації результатів дисертації та їх висвітлення в наукових працях. У першому розділі виконано детальний аналіз літературних джерел, що стосуються тематики дисертаційного дослідження. Проаналізовано клінічне значення електрокардіосигналів та сфери його застосування в неінвазивній медичній діагностиці. Розглянуто традиційні підходи до опрацювання електрокардіосигналів, що ґрунтуються на візуальній оцінці лікарем та базових алгоритмах обробки сигналів (фільтрація, детекція R-зубців, вимірювання інтервалів), а також сучасні підходи із застосуванням методів машинного навчання та глибокого навчання. Здійснено порівняльний аналіз існуючих математичних моделей електрокардіосигналів та методів їх аналізу. Визначено обмеження та недоліки існуючих підходів – зокрема, недостатнє врахування циклічної природи електрокардіосигналів, відсутність комплексного аналізу морфологічних і ритмічних ознак, обмежені можливості для аналізу амплітудної варіабельності – що дало змогу сформулювати мету та завдання дисертаційного дослідження. У другому розділі на основі теорії циклічних випадкових процесів розроблено математичну модель електрокардіосигналів із сегментною зонною структурою, яка враховує як морфологічні, так і ритмічні характеристики сигналу через функцію ритму ( ) , T t n . Запропоновано математичну модель функції амплітудної варіабельності зубців ЕКС (P, Q, R, S, T) як різниці амплітудних значень однойменних зубців у послідовних кардіоциклах, а також математичну модель функції часової варіабельності, що описує часові інтервали між однойменними зубцями у послідовних кардіоциклах. Охарактеризовано метод оцінювання функції ритму та методи статистичного опрацювання циклічного випадкового процесу із урахуванням функції ритму, зокрема оцінювання математичного сподівання та дисперсії в межах циклу. У третьому розділі розроблено структурну схему інформаційної технології інтелектуального аналізу морфологічних і ритмічних ознак електрокардіосигналів. Проведено експериментальну верифікацію запропонованих підходів та методів із використанням реальних електрокардіосигналів пацієнтів в стані норми, а також для деяких патологій. Здійснено спектральний аналіз математичного сподівання та дисперсії електрокардіосигналів у межах одного циклу методом розкладу в ряд Фур’є, що дало змогу виявити характерні спектральні діагностичні патерни для різних типів кардіологічних патологій. Проведено статистичну валідацію математичних моделей функцій амплітудної та часової варіабельності на даних 204 записів електрокардіосигналів з бази PhysioNet, що охоплюють ішемію міокарда, надшлуночкову аритмію, шлуночкову тахікардію та нормальний ритм. Перевірено стаціонарність функцій амплітудної та часової варіабельності за критеріями Колмогорова-Смірнова та Дікі-Фуллера, а також відповідність нормальному розподілу за тестом Андерсона-Дарлінга, критеріями Ліллієфорса та Шапіро-Уілка. У четвертому розділі здійснено обґрунтування методів прийняття діагностичних рішень на основі ідентифікованих морфологічних і ритмічних ознак електрокардіосигналу та з використанням сучасних алгоритмів машинного навчання. Зокрема, досліджено ефективність чотирьох алгоритмів виявлення аномалій – однокласової машини опорних векторів (OneClassSVM з RBF-ядром), ізоляційного лісу (Isolation Forest), локального фактора викиду (LOF) та еліптичної оболонки (Elliptic Envelope) – для класифікації електрокардіосигналів пацієнтів із фібриляцією та тріпотінням передсердь. Встановлено вплив попередньої обробки (StandardScaler + PCA): точність класифікації морфологічних ознак зросла з 52-83 % до 98-100 %, при цьому метод локального фактора викиду (LOF) забезпечив найвищу точність для фібриляції передсердь. Для розширення діагностичних можливостей проведено класифікацію чотирьох типів серцево-судинних захворювань на основі десяти статистичних дескрипторів функції амплітудної варіабельності (середнє, медіана, мода, стандартне відхилення, дисперсія, ексцес, асиметрія, розмах, мінімум, максимум) з використанням платформи AutoML PyCaret; за результатами порівняння десяти алгоритмів найкращий результат продемонстрував Random Forest Classifier (Accuracy = 0,9187, AUC = 0,9433, F1 = 0,9186). Для інтерпретації класифікаційних рішень моделі застосовано SHAP-аналіз (SHapley Additive exPlanations), який дав змогу встановити на глобальному та локальному рівнях, що асиметрія та ексцес функції амплітудної варіабельності є ключовими діагностичними ознаками морфологічних захворювань міокарда.
Authors: Мосій, Любомир Євгенійович, Mosiy, L. Ye.
Language: Ukrainian
Topic: ECG Monitoring and Analysis
Subfield: Cardiology and Cardiovascular Medicine
Field: Medicine
Domain: Health Sciences
Open Access status: green
OpenAlex ID: W7155663190
