Распознавание болезней человека по его ЭКГ

  В данном проекте создано web-приложение, которое распознает 5 болезней (либо их отсутствие) по загруженному файлу оцифрованной ЭКГ типа .csv Для иллюстрации работы приложения представлены файлы ЭКГ 3 человек, сформированные из открытого источника physionet.org (samples.csv, samples2.csv,samples3.csv). В проекте использовано машинное обучение модели градиентного бустинга. Данные для обучения взяты из открытого источника www.machinelearning.ru.

  Проект основан на работах д.м.н. профессора Успенского В. М. и д.ф.-м.н. профессора Воронцова К. В., а также работ их студентов и сотрудников.

  Здесь можно посмотреть работу Web-приложения данного проекта (скорость работы приложения невелика, т.к.оно развернуто на собственном “домашнем” сервере). В приложение необходимо загрузить один из приведенных выше файлов ЭКГ, либо файл ЭКГ любого другого человека, сформированный аналогично им.

  Проект носит ознакомительный характер и не преследует цель осуществления медицинской диагностики. Он был создан для тренировки навыков программирования, методов обработки данных, создания и проверки различных моделей машинного обучения.

Принцип работы приложения

1. В приложение загружается файл ЭКГ формата .csv, представляющий из себя набор значений точечного графика ЭКГ, аргументами которого являются временные значения в секундах, а функцией - значения электрического напряжения в миливольтах. Для анализа требуется ЭКГ высокого разрешения (с частотой дискретизации не менее 250Гц, разрешающей способностью менее 10 мкВ и величиной амплитуды кардиосигнала не менее 1 мВ). При этих условиях файл должен содержать более 600 кардиоциклов (снятие ЭКГ происходит в течение 10 мин).
2. Исходя из загруженной ЭКГ, приложение формирует кодограмму, представляющую из себя своего рода шифр, состоящий из комбинаций приращений амплитуд, интервалов и фаз кардиоциклов, который несет в себе информацию о различных заболеваниях (отсутствии заболеваний). Приложение распознает 5 заболеваний либо их отсутствие в форме их вероятностей. При вероятности заболевания выше 50% имеет смысл обратиться в медицинское учреждение к соответствующему специалисту.
3. Приложение распознает следующие заболевания (их отсутствие):
   • Ишемическая болезнь сердца (coronary heart disease);
   • Вегетососудистая дистония (vegetovascular dystonia);
   • Язвенная болезнь желудка (stomach ulcer);
   • Желчекаменная болезнь (cholelithiasis);
   • Узловой зоб щитовидной железы (nodular goiter of the thyroid gland);
   • Условно здоров.

  В настоящее время существуют данные для аналогичного распознавания как минимум 40 заболеваний. Проект является масштабируемым прототипом.

Результат работы приложения

Список литературы

1.

• Успенский В.М. Информационная функция сердца. Теория и практика диагностики заболеваний внутренних органов методом информационного анализа электрокардиосигналов. М.: Экономика и информатика, 2008. 116 с.
• Успенский В.М. Информационная функция сердца. Клиническая медицина. 2008. Т. 86. №5. С. 4–13.
• Успенский В.М. Способ диагностики болезней неинфекционной этиологии. Патент на изобретение №2157093 от 10 октября 2000 г.
• Успенский В.М. Способ диагностики заболеваний внутренних органов неинфекционной природы на любой стадии их развития. Патент на изобретение №2163088 от 20 февраля 2001 г.
• Успенский В.М. Способ диагностики заболеваний внутренних органов. Патент на изобретение №2407431 от 27 декабря 2010 г.

2.

• Воронцов К.В., Успенский В.М., Целых В.Р. Статистическая проверка технологии информационного анализа электрокардиосигналов для диагностики заболеваний внутренних органов. Пущино, 19-24 октября 2014 г.
• Воронцов К.В. Монотонная непрерывная интерполяция. 2012 г.
• Воронцов К.В. Статистическая проверка технологии информационного анализа электрокардиосигналов для диагностики заболеваний внутренних органов. Доклад на конференции Математическая биология и биоинформатика, Пущино, 20 октября 2014.

3.

• Целых В.Р. Статистические обоснования информационного анализа электрокардиосигналов для диагностики заболеваний внутренних органов. Магистерская диссертация, 2015 г.
• Вдовина Е.А. Отбор признаков для многоклассовой классификации символьных последовательсностей. Выпускная квалификационная работа магистра. Москва, 2016 г.
• Зухба А.В. Вычислительная сложность отбора объектов и признаков для задач классификации с ограничениями монотонности. МФТИ, 2015 г.