AP14969403 - Исследование методов прогнозирования инфаркта миокарда с использованием алгоритмов машинного обучения
В настоящее время, существующие классические методики и средства диагностики, основанные на амплитудно-временном анализе ЭКС, не удовлетворяют современным требованиям точности диагностики ИМ (диагностируются 3 инфаркта миокарда из 4). Учитывая, имеющиеся несовершенные приборы и системы диагностики ИМ, а также человеческий фактор, очевидной является необходимость в создании системы поддержки принятия решения с повышенной точностью диагностики ИМ, способной помочь врачу. Проблема повышения достоверности диагностики состояния сердца обуславливает необходимость совершенствования методов получения новой диагностической информации.
Большая часть существующих исследований рекомендует алгоритмы машинного обучения (ML) для прогнозирования болезни сердца. Соответственно, в этой работе разрабатывается метод диагностики состояния сердца, которая осуществляется за счет анализа выходных сигналов нейронных сетей, обученных на распознавание прямых и реципрокных признаков ИМ в ЭКС 12 общепринятых отведений, и построения решающих правил. Для этого осуществляют: разделение поверхности левого желудочка сердца на области, для которых выявленные прямые и реципрокные признаки инфаркта миокарда (ИМ) соответствуют конкретной стадии и конкретному виду ИМ по глубине поражения; определение стадии ИМ и вида ИМ по глубине поражения по областям сердца; определение локализаций ИМ установленных стадий. Изобретение обеспечивает формирование диагностического заключения о состоянии сердца пациента, в котором при наличии инфаркта миокарда (ИМ) левого желудочка сердца указываются его локализации, стадии развития (острейшая, острая, подострая, рубцовая) и виды по глубине поражения стенки сердца (трансмуральный, субэпикардиальный, субэндокардиальный), а также полную и точную оценку состояния сердца пациента независимо от уровня врача и опыта его работы.
Научный руководитель: PhD, Алимбаева Жадыра Нурдаулетовна
Количественный и качественный состав исполнителей проекта: 6 исполнителей, в составе: 1 к.м.н., 2 PhD, 2 PhD докторанта, 1 магистр
Сроки реализации: 2022-2024 гг.