Функциональные характеристики

1. На вход принимает следующие данные:

• ЭКГ в цифровом виде. Каждая ЭКГ представлена в виде 2-мерной матрицы: первое измерение – это амплитуда разницы потенциалов между двумя точками в каждый момент времени, второе измерение – это отведения.
• частота дискретизации.
• УИН (уникальный идентификационный номер ЭКГ).
• метаданные: возраст и пол. (необязательно)

2. После получения входных данных модель Искусственного интеллекта самостоятельно проводит их предварительную обработку, получая одномерный тензор (нормализует, извлекает необходимые признаки (фичи) и т.д.).
3. Далее модель Искусственного интеллекта оценивает одномерный тензор согласно предобученным алгоритмам Машинного обучения (CatBoost или HistGradientBoostingClassifier) и преобразует свое заключение в вероятности присутствия того или иного признака или патологии на ЭКГ. После этого вероятность путем сравнения с пороговым значением преобразуется в заключение о наличие или отсутствии признака, или патологии.
4. На выход выдает список признаков и патологий с заключением об их присутствии или отсутствии на данной ЭКГ.
5. Обучение системы ИИ производится на размеченных докторами реальных ЭКГ (не синтезированных), где каждой ЭКГ соответствует список признаков и патологий, обнаруженных на этой ЭКГ. Сам сигнал ЭКГ обрабатывается различными алгоритмами и библиотеками Python с целью получения одномерного признакового пространства (тензора), что увеличивает точность модель Искусственного интеллекта по сравнению с подачей в неё необработанных данных (чистого сигнала ЭКГ).