Возможности использования импульсных рекуррентных нейронных сетей для анализа электрокардиограмм


https://doi.org/10.15217/issn1684-8853.2015.1.85

Полный текст:


Аннотация

Цель: разработка системы распознавания динамических образов с использованием нового подхода на основе резервуарных вычислений. Результаты: распознавание динамических образов определяется как выявление патологических состояний сердца пациента - аритмий по изменяющемуся сигналу его электрокардиограммы. В качестве примера рассматриваются два типа аритмий - суправентрикулярная и вентрикулярная. Предложен новый эффективный метод решения поставленной задачи на основе модели машины неустойчивых состояний, состоящей из импульсной рекуррентной нейронной сети и считывателей. Представлен процесс решения задачи распознавания электрокардиограмм. Демонстрируется на понятном примере специфика используемого подхода: представление данных в импульсной форме, работа импульсной нейронной сети, считывание данных и принятие решения - классификация. В качестве исходных данных используется база данных SVDB по аритмиям из свободного ресурса Physionet. Рассчитываются показатели качества распознавания и сравниваются с показателями, полученными при использовании наиболее известных альтернативных методов. Практическая значимость: предложенный метод на основе машины неустойчивых состояний позволяет повысить качество решения задач распознавания динамических образов разнообразной природы по сравнению с классическими методами.

Об авторах

Елена Николаевна Бендерская
Санкт-Петербургский государственный политехнический университет
Россия


Кирилл Вячеславович Никитин
Санкт-Петербургский государственный политехнический университет
Россия


Список литературы

1. Schrauwen B., Verstraeten D., Campenhout J. V. An Overview of Reservoir Computing Theory, Applications and Implementations // Proc. of the 15th European Symp. on Artificial Neural Networks. 2007. P. 471-482.

2. Бендерская Е. Н., Никитин К. В. Рекуррентная нейронная сеть как динамическая система и подходы к ее обучению // Научно-технические ведомости СПбГПУ. Информатика. Телекоммуникации. Управление. СПб.: Изд-во Политехн. ун-та, 2013. № 4(176). C. 29-40.

3. PhysioNet: The Research Resource for Complex Physiological Signals. http://www.physionet.org (дата обращения: 01.04.2014).

4. Maass W., Natschläger T., Markram H. Real-Time Computing without Stable States: A New Framework for Neural Computations Based on Perturbations // Neural Computation. 2002. Vol. 11. P. 2531-2560. doi:10.1162/089976602760407955

5. Пат. US20130345580 A1, US. Reconstruction of a Surface Electrocardiogram from an Endocardial Electrogram Using Non-linear Filtering/ Fabienne Porée (FR). - N 14/015,770; заявл. 30.08.2013; опубл. 26.12.2013.

6. Пат. CN102129509 A, CN. Coronary Heart Disease Self-diagnosis System Based on Electrocardiographic Monitoring and Back-Propagation Neural Network/ Wan Hung (CN). - N CN 201110042458; заявл. 22.02.2011; опубл. 20.07.2011.

7. Gerstner W., Kistler W. M. Spiking Neuron Models. Single Neurons, Populations, Plasticity. - Cambridge: Cambridge University Press, 2002. - 480 p.

8. Бендерская Е. H., Никитин К. В. Анализ модели импульсной рекуррентной нейронной сети в составе машины неустойчивых состояний // Нейрокомпьютеры: разработка, применение. 2014. № 1. С. 17-22.

9. Izhikevich E. M. Which Model to Use for Cortical Spiking Neurons? // IEEE Transactions on Neural Networks. 2004. Vol. 15. N 5. P. 1063-1070. doi:10.1109/TNN.2004.832719

10. Никитин К. В. Методика синтеза рекуррентных нейронных сетей для распознавания динамических образов // Список-2013: Материалы Всерос. науч. конф. по проблемам информатики, Санкт-Петербург, 25-27 апреля 2012 г. СПб.: ВВМ, 2013. С. 489-495.

11. Moody G. B., Mark R. G. The MITBIH Arrhythmia Database on CDROM and Software for Use with it // Computers in Cardiology. 1990. Vol. 17. P. 185-188.

12. Olszewski R. T. Generalized Feature Extraction for Structural Pattern Recognition in Time-Series Data: PhD Thesis. - Pittsburgh, 2001. - 125 p.


Дополнительные файлы

Для цитирования: Бендерская Е.Н., Никитин К.В. Возможности использования импульсных рекуррентных нейронных сетей для анализа электрокардиограмм. Информационно-управляющие системы. 2015;(1):85-91. https://doi.org/10.15217/issn1684-8853.2015.1.85

For citation: Benderskaya E.N., Nikitin K.V. Using Spiking Recurrent Neural Networks for ECG Analysis. Information and Control Systems. 2015;(1):85-91. (In Russ.) https://doi.org/10.15217/issn1684-8853.2015.1.85

Просмотров: 33


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1684-8853 (Print)
ISSN 2541-8610 (Online)