Využití neuronových sítí pro klasifikaci alternací vlny T

Abstract

Tato práce se zabývá analýzou pravidelných změn vlny T v EKG signálu nazývaných TWA. Přítomnost těchto alternací může znamenat zvýšené riziko náhlé srdeční smrti. K analýze TWA je zde využito algoritmů trénování neuronových sítí, konkrétně pak samoorganizujících se map. Výstupem této práce je program, který v testovaném EKG signálu nejprve detekuje QRS komplexy a získané referenční body následně využije k detekci T-vln. Vektor specifických bodů reprezentujících nalezené T-vlny je potom analyzován pomocí neuronové sítě. Výsledkem je rozhodnutí o míře přítomnosti TWA v analyzovaném signálu.

This thesis deals with analysis of T-wave Alternans (TWA), periodical changes of T wave in ECG signal. Presence of these alternans may predict higher risk of sudden cardiac death. From the several possible ways of TWA classification, the training algorithms of self organizing maps are used in this thesis. Result of the thesis is a program, which in the first step detects QRS complexes in the signal. Then, in the next step, gained reference points are used for T-waves detection. Detected waves are represented by a vector of significant points, which is used as an input for artificial neural network. Final output of the program is a decision about presence of TWA in the signal and its rate.