Μηχανική μάθηση στην καρδιολογία

Γάκη, Μαρία

Machine learning in cardiology

Διπλωματική εργασία

Author

Γάκη, Μαρία

Date

2023-03

Advisor

Nikolaou, Grigoris

Διπλωματική Εργασία (2.173Mb)

Keywords

Καρδιολογία ; Καρδιακή αρρυθμία ; Ταξινόμηση ; Ηλεκτροκαρδιογράφημα ; Μηχανική μάθηση

Abstract

Η μηχανική μάθηση αποτελεί έναν ερευνητικό τομέα ο οποίος αναπτύσσεται διαρκώς σύμφωνα με την τεχνολογική εξέλιξη και διεισδύει γρήγορα σε πολλούς τομείς της υγειονομικής περίθαλψης, τόσο στη διάγνωση και την πρόγνωση ασθενειών όσο και την εύρεση νέων φαρμάκων. Η μηχανική μάθηση προσφέρει μεθόδους, τεχνικές και εργαλεία που μπορούν να συμβάλουν στην επίλυση ποικίλων διαγνωστικών και προγνωστικών προβλημάτων στον τομέα της ιατρικής. Στόχος της συγκεκριμένης εργασίας είναι η ανίχνευση της καρδιακής αρρυθμίας στον ασθενή μέσω μηχανικής μάθησης. Για να επιτευχθεί, αναπτύχθηκαν διάφορα μοντέλα μηχανικής μάθησης με επίβλεψη που χρησιμοποιούνται σε προβλήματα ταξινόμησης. Τα μοντέλα αξιολογήθηκαν βάσει της απόδοσής τους, ώστε να βρεθεί εκείνο που έχει τη βέλτιστη ακρίβεια. Χρησιμοποιήθηκε η βάση δεδομένων του Πανεπιστημίου Chapman και του Λαϊκού Νοσοκομείου Shaoxing, η οποία περιέχει τα αποτελέσματα των σημάτων που προήλθαν από ηλεκτροκαρδιογραφήματα, αφού έχει αφαιρεθεί ο θόρυβος των σημάτων.

Abstract

Machine learning is a research area, which is developing continuously in line with technological evolution and is rapidly influencing many areas of healthcare, including diagnosis and prognosis of diseases as well as developing new drugs. Machine learning offers methods, techniques and tools that can help solve a variety of diagnostic and prognostic problems in the field of Medicine. The aim of this research is to detect cardiac arrhythmia in the patient through machine learning. To achieve this, several supervised machine learning models used in classification problems were developed. The models were evaluated based on their performance in order to find the one that has the optimal accuracy. The database of Chapman University and Shaoxing people's Hospital was used, which contains the results of signals that came from electrocardiograms, after denoising them.