Малышев Александр Васильевич, канд. технических наук, доцент
ул. 50 лет Октября 94, г. Курск 305040
Alexander V. Malyshev, Cand. of Sci. (Engineering), Associate Professor
50 Let Oktyabrya Str. 94, Kursk 305040
Пузырев Евгений Игоревич, магистрант
ул. 50 лет Октября 94, г. Курск 305040
Evgeny I. Puzyrev, Undergraduate
50 Let Oktyabrya Str. 94, Kursk 305040
Прохоров Максим Владимирович, магистрант
ул. 50 лет Октября 94, г. Курск 305040
Maxim V. Prokhorov, Undergraduate
50 Let Oktyabrya Str. 94, Kursk 305040
Нефедов Никита Геннадьевич, магистрант
ул. 50 лет Октября 94, г. Курск 305040
Nikita G. Nefedov, Undergraduate
50 Let Oktyabrya Str. 94, Kursk 305040
Цель исследования заключается в разработке системы прогнозирования рисков сердечно-сосудистых заболеваний по файлам формата EDF и изображениям кардиосигналов.
Методы. Для реализации программной системы был использован язык программирования Python версии 3.10. Прогнозирование рисков сердечно-сосудистых заболеваний происходит с помощью нейронных сетей, архитектура которых была выбрана со структурой многослойного персептрона с одним скрытым слоем. При разработке приложения использовались следующие библиотеки: PyEDFlib, Scikit-leam, SQLite3, PyQtGraph, Pandas, PyWavelets, Scipy, Pillow, OpenCV, Matplotlib. Входными данными программы являются EDF-файлы и изображения кардиосигналов форматов png, jpg, jpeg, bmp и svg.
Результаты. По итогу разработки программного продукта были разработаны интерфейс и архитектура программы. Разработаны и обучены две нейронные сети с общей структурой. Их обучение проводилось методом обратного распространения ошибки. Была разработана база данных для хранения информации о пациентах, заболеваниях и пороговых значениях. Реализованы алгоритмы прогнозирования, обучения нейронной сети, разделения кардиосигнала на PQRST-комплексы, считывания кардиосигнала с изображения и файла EDF.
Заключение. Разработанная программная система, позволяющае прогнозирования рисков сердечно-сосудистых заболеваний, позволит врачам ускорить диагностирование ССЗ и уменьшить время, затрачиваемое на оказание медицинских услуг пациентам, а также улучшить результаты ведения пациентов, находящихся в группе высокого риска. В дальнейшем разработанный программный продукт может быть улучшен и доработан новыми функциями: добавление новых для программной системы сердечно-сосудистых заболеваний и работа с ними, повышение точности прогнозирования, повышение качества считывания данных с изображений.
The purpose of research is to develop a system for predicting the risks of cardiovascular diseases based on EDF format files and images of cardiac signals.
Methods. To implement the software system, the Python programming language version 3.10 was used. The prediction of the risks of cardiovascular diseases occurs using neural networks, the architecture of which was chosen with the structure of a multilayer perceptron with one hidden layer. When developing the application, the following libraries were used: PyEDFlib, Scikit-learn, SQLite3, PyQtGraph, Pandas, PyWavelets, Scipy, Pillow, OpenCV, Matplotlib. The input data of the program are EDF files and images of cardiac signals in png, jpg, jpeg, bmp and svg formats.
Results. As a result of the development of the software product, the interface and architecture of the program were developed. Two neural networks with a common structure have been developed and trained. Their training was carried out by the method of back propagation of the error. A database has been developed to store information about patients, diseases and thresholds. Algorithms of forecasting, neural network training, division of a cardiac signal into PQRST complexes, reading of a cardiac signal from an image and an EDF file are implemented.
Conclusion. A software system has been developed that allows predicting the risks of cardiovascular diseases, which will allow doctors to speed up the diagnosis of CVD and reduce the time spent on providing medical services to patients, as well as improve the results of managing patients at high risk. In the future, the developed software product can be improved and refined with new functions: adding new ones for the cardiovascular diseases software system and working with them, improving the accuracy of forecasting, improving the quality of reading data from images.
The authors declare that there are no conflicts of interest present.