Обнаружение признаков болезни сердца с использованием методов машинного обучения

Abstract

В данной работе исследуется возможность использования методов машинного обучения для обнаружения сердечно-сосудистых заболеваний сердца. Для анализа было взято 187 записей ЭКГ, из которых 80 принадлежат здоровым пациентам, 90 соответствуют пациентам, которые больны инфарктом миокарда и 17 пациентов с кардиомиопатией. Сигнал каждой записи был предварительно обработан. Результатом предварительной обработки явился общий сегмент, состоящий из 600 отсчётов. Для обнаружения признаков болезни сердца использовались такие методы, как: «Случайный лес», классическая логистическая регрессия, метод опорных векторов и нейронная сеть, состоящая из трёх слоёв. This paper explores the possibility of using machine learning methods for detecting cardiovascular diseases. 187 electrocardiography (ECG) recordings were taken for analysis, of which 80 records are the results of healthy people, 90 ones correspond to patients with myocardial infarction and 17 ones – to patients with cardiomyopathy. The signal of each recording has been pre-processed. The pre-processing resulted in a common segment consisting of 600 samples. Such methods as the random forest algorithm, classical logistic regression, the support vector method and a neural network consisting of three layers were used for detecting heart disease symptoms.