Лосев А. Ю.

Существующие трудности ручного анализа электрокардиограмм из-за разнообразия и изменчивости паттернов приводят к необходимости создания автоматизированных решений. Изложена последовательность шагов по разработке GRU-нейросети для анализа кардиограмм, использующей модели автоматического анализа и интерпретации электрокардиограмм. Представлены результаты обучения и тестирования GRU-нейросети, оценки точности алгоритма классификации для разных классов аритмии с помощью метрик Accuracy, Precision, Recall и F1-score. Приведены графики обучения полученных результатов (матрица ошибок, графики точности и потерь по эпохам). Проведен анализ полученных результатов, заключающихся в снижении времени анализа кардиограмм, повышении надежности диагностики при хронической сердечной недостаточности. Подчеркнут потенциальный вклад рассмотренного подхода в области персонализированной медицины, особенно в условиях ограниченного доступа к специализированной кардиологической помощи.