ЭКГ + нейросети = точный диагноз

Математики Северо-Кавказского федерального университета (СКФУ) разработали эффективную систему распознавания сердечно-сосудистых заболеваний по сигналам ЭКГ. Предложенный подход показал более высокую точность, чем его аналоги. Он позволяет повысить качество ранней диагностики проблем с сердцем, что очень важно для предупреждения опасных заболеваний. Сообщение об этом было недавно опубликовано на сайте «Научная Россия» со ссылкой на информацию Управления по информации и связям с общественностью СКФУ и статью в журнале «Applied Sciences»¹.

Как отметили ученые, сегодня сердечно-сосудистые заболевания – это основная причина смерти в развитых странах, и число пациентов, наблюдающихся у кардиолога, с каждым днем растет. Для выявления проблем с сердцем используется электрокардиограмма (ЭКГ), но врачи в среднем оценивают полученные данные с точностью от 65 до 70 процентов. В остальных случаях информация истолковывается неверно, что негативно сказывается на здоровье пациентов. Математики СКФУ предложили оригинальный подход, повышающий точность определения мерцательной аритмии (фибрилляции предсердий), повышающей риск ишемического инсульта.

– Мы разработали новую архитектуру с передовой рекуррентной структурой нейронной сети, – пояснил руководитель проекта, заведующий кафедрой математического моделирования СКФУ и отделом модулярных вычислений и искусственного интеллекта регионального научно-образовательного математического центра «Северо-Кавказский центр математических исследований» при вузе Павел Ляхов. – Для более точной интерпретации сигналов мы используем предварительную цифровую обработку данных с помощью цифровых фильтров, спектрального анализа и некоторых других методов. Благодаря этому нам удалось существенно снизить шумы различной природы, искажающие сигнал электрокардиограммы. В результате мы смогли повысить точность интерпретации данных до 87,5%. У лучших зарубежных аналогов этот показатель достигает 79-83%.

Для обучения нейронной сети использовалась открытая база сигналов кардиограмм «PhysioNet Computing in Cardiology Challenge» (CinC Challenge). Во время первой симуляции сеть изучила данные 976 кардиограмм, а во время второй ей предложили 5754 кардиограммы.

- Наш подход не требует каких-то специализированных технических средств, - отметила аспирантка, научный сотрудник кафедры математического моделирования СКФУ Ульяна Ляхова. – Предложенное нами решение может быть реализовано в виде специальной программы, которая на входе будет получать сигнал кардиограммы, а на выходе выдавать свой вердикт, нуждается ли человек в лечении или профилактике сердечно-сосудистых заболеваний. В перспективе мы хотим обобщить наш подход и применить его для обработки других биомедицинских сигналов, полученных с тела человека. Большой интерес для нас представляет и обработка мозговых сигналов по электроэнцефалограмме. Подобные исследования сейчас очень актуальны для разработки интерфейса «мозг-компьютер», позволяющего управлять компьютером с помощью своих мыслей без мышек и клавиатуры.