ПРИМЕНЕНИЕ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ДИАГНОСТИКИ СЕРДЕЧНО-СОСУДИСТЫХ ЗАБОЛЕВАНИЙ

Аннотация

Заболевания сердечно-сосудистой системы являются одной из основных причин смертности во всем мире. В их профилактике ключевую роль играет ранняя диагностика, при этом дефицит опытных врачей и экономически эффективных устройств делают кардиологическое обследование пациентов затрудненным в сельской местности, малонаселенных, отдаленных и труднодоступных районах. В качестве системы поддержки принятия решения предложенная модель, в которой применено машинное обучение, может служить возможным решением для быстрой удаленной диагностики сердечно-сосудистых заболеваний.
Цель работы – исследование возможности использования нейронных сетей глубокого обучения для диагностики заболеваний сердечно-сосудистой системы с удаленным подключением к глобальной сети Интернет.
Материал и методы исследования. В работе использован метод сравнительного анализа устройств для проведения электронной аускультации и соответствующего программного обеспечения. Для получения прогнозирующей модели использовалось трансферное обучение, предоставляемое веб-сервисом «Teachable Machine». Для разработки веб-приложения использовался язык программирования JavaScript, библиотеки машинного обучения TensorFlow.js и распознавания речи «Speech Command Recognizer».
Результаты. Предложенная модель проверена на тестовых наборах данных в режиме удаленной диагностики в глобальной сети Интернет. Выполнена проверка в режиме реального времени при подключении электронного стетоскопа к аудиовходу персонального компьютера. Испытание модели на тестовом наборе аудиоданных показало возможность диагностировать сердечные аномалии с точностью более 90%.
Заключение. Разработанный программно-аппаратный комплекс является системой поддержки принятия врачебных решений, и может рассматриваться как дополнительная возможность квалифицированной медицинской помощи в отдаленных и труднодоступных местностях, а также для обучения и помощи молодым специалистам.