Гібридна модель аналізу сигналу ЕКГ на основі інженерних ознак та глибинного навчання

Автор(и)

DOI:

https://doi.org/10.24144/2616-7700.2026.48(1).206-217

Ключові слова:

математична модель, ЕКГ, HRV, нейромережа, глибинне навчання, CNN, LSTM, iнженернi ознаки, Clinical Gating Unit

Анотація

У статтi представлено гiбридну модель аналiзу сигналу електрокардiограми (ЕКГ), що поєднує iнженернi ознаки та глибинне навчання. Запропоновано архiтектуру з адаптивним злиттям ознак i сирого сигналу за допомогою Clinical Gating Unit. Розглянуто математичнi моделi побудови ЕКГ, основнi часовi, морфологiчнi, статистичнi та геометричнi ознаки. Наведено приклад реалiзацiї архiтектури з використанням PyTorch. Обґрунтовано переваги комбiнованого пiдходу щодо точностi, узагальнюваностi та iнтерпретованостi результатiв.

Спонсор дослідження

  • Дослiдження здiйснено в рамках кафедральної науково-дослiдної роботи «Моделi i методи системного аналiзу в мiждисциплiнарних дослiдженнях» (державний облiковий номер 0125U003246)

Біографія автора

В. М. Самусь, ДВНЗ «Ужгородський нацiональний унiверситет»

Аспiрант кафедри системного аналiзу та теорiї оптимiзацiї

Посилання

  1. Zhang, J., Wu, C., Ruan, C., Zhang, R., Zhao, Z., & Cheng, X. (2021). ECG Signal Classification Based on Fusion of Hybrid CNN and Wavelet Features by D-S Evidence Theory. Journal of Healthcare Engineering, 2021, 4222881. https://doi.org/10.1155/2021/4222881
  2. Rawshani, A., Smith, G., Boren, J., Bhatt, D. L., B¨orjesson, M., Engdahl, J., Kelly, P., Louca, A., Ramunddal, T., Andersson, E., Omerovic, E., Mandalenakis, Z., & Gupta, V. (2025). Integrating deep learning with ECG, heart rate variability and demographic data for improved detection of atrial fibrillation. Open Heart, 12(1), e003185. https://doi.org/10.1136/openhrt-2025-003185
  3. Galli, A., Giorgi, G., & Narduzzi, C. (2023). Accurate ECG monitoring by Gaussian feature streaming. Measurement. https://doi.org/10.1016/j.measurement.2023.113757
  4. Awal, M. A., Mostafa, S. S., Ahmad, M., Alahe, M. A., Rashid, M. A., Kouzani, A. Z., & Mahmud, M. A. P. (2021). Design and Optimization of ECG Modeling for Generating Different Cardiac Dysrhythmias. Sensors, 21, 1638. https://doi.org/10.3390/s21051638
  5. Fira, M., Gordan, C., & Ionescu, B. (2022). An Explainable Deep Learning Framework for Multilead ECG Classification. Biomedical Signal Processing and Control, 73, 103402. https://doi.org/10.1016/j.bspc.2021.103402
  6. Giordano, D., & Laurito, M., & Spampinato, C. (2021). Fusion of handcrafted and deep features for ECG classification. Computers in Biology and Medicine, 135, 104552. https://doi.org/10.1016/j.compbiomed.2021.104552

##submission.downloads##

Опубліковано

2026-01-29

Як цитувати

Самусь, В. М. (2026). Гібридна модель аналізу сигналу ЕКГ на основі інженерних ознак та глибинного навчання. Науковий вісник Ужгородського університету. Серія «Математика і інформатика», 48(1), 206–217. https://doi.org/10.24144/2616-7700.2026.48(1).206-217

Номер

Том 48 № 1 (2026)

Розділ

Iнформатика, комп’ютернi науки та прикладна математика

Ліцензія

Авторське право (c) 2026 В. М. Самусь

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.