| Title: | Система нейросетевой интерпретации ЭКГ с on-prem веб-шлюзом |
| Other Titles: | Neural network ECG interpretation system with on-prem web gateway |
| Authors: | Ларченко, Н. А. |
| Keywords: | материалы конференций;электрокардиограммы;глубокое обучение;интерпретируемость;кардиологические патологии |
| Issue Date: | 2026 |
| Publisher: | БГУИР |
| Citation: | Ларченко, Н. А. Система нейросетевой интерпретации ЭКГ с on-prem веб-шлюзом = Neural network ECG interpretation system with on-prem web gateway / Н. А. Ларченко // Электронные системы и технологии : сборник материалов 62-й научной конференции аспирантов, магистрантов и студентов БГУИР, Минск, 13–17 апреля 2026 г. / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: П. В. Камлач [и др.]. – Минск, 2026. – С. 266–268. |
| Abstract: | Разработана система автоматической интерпретации электрокардиограмм на основе методов глубокого обучения. Система выполняет анализ сырых сигналов ЭКГ со встроенной предобработкой и формирует диагностические предположения по набору кардиологических патологий. Архитектура модели позволяет эффективно извлекать морфологические признаки сигнала и учитывать долгосрочные временные зависимости. Результатом работы алгоритма является ранжированный список наиболее вероятных диагнозов с оценками вероятности. Для повышения интерпретируемости реализована визуализация влияния различных участков сигнала на решение модели. Система развёртывается внутри инфраструктуры медицинского учреждения и предоставляет доступ к функциональности через локальный веб-шлюз. |
| Alternative abstract: | A system for automatic interpretation of electrocardiograms based on deep learning methods has been developed. The system analyzes raw ECG signals with built-in preprocessing and generates diagnostic assumptions for a set of cardiac pathologies. The model architecture allows for effective extraction of morphological signal features and consideration of long-term temporal dependencies. The result of the algorithm is a ranked list of the most likely diagnoses with probability estimates. To improve interpretability, the influence of different signal segments on the model's decision is visualized. The system is deployed within the infrastructure of a medical institution and provides access to functionality through a local web gateway. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/64596 |
| Appears in Collections: | Электронные системы и технологии : материалы 62-й конференции аспирантов, магистрантов и студентов (2026)
|
