Қазақ ұлттық қыздар педагогикалық университеті / Казахский национальный женский педагогический университет

Постоянный URI для этого сообществаhttps://cris.qyzpu.kz/handle/123456789/1

Просмотр

Результаты поиска

Показано: 1 - 4 из 4

Некоторые метрики заблокированы вашими
настройками согласия
Using The Machine Learning Method in Portable ECG Monitoring System to Identify Diagnostically Complex Heart Diseases
(2023-06-29)
Aidana K. Yerkebay
;
Zhadyra N. Alimbayeva
;
Chingiz A. Alimbayev
;
Aiman K. Ozhikenova
;
Nurlan A. Bayanbay
Due to the high level of disability and death caused by heart diseases worldwide, the problem of combating cardiovascular diseases is becoming more and more important and relevant. In fact, one of the leading causes of death worldwide has long been cardiovascular disease, according to the World Health Organization. Among heart diseases, the most dangerous to life is myocardial infarction. In connection with the rapid morbidity, early diagnosis of this disease is one of the topical problems of modern public health care. At present, although there is a wide range of different statistical, math methods and computer tools for the processing of cardiological information, the task of increasing the accuracy of methods for the analysis of electrocardiograms and diagnostic tools in this field of study remained relevant. Taking into account the imperfect tools and systems for diagnosing heart diseases, as well as the human factor, the lack of a method that can help doctors to diagnose myocardial infarction early requires the development of new diagnostic information methods. This article presents a neural network analysis methodology for diagnosing myocardial infarction based on the joint analysis of direct and reverse signs of myocardial infarction from electrocardiographic information obtained from a portable cardiac analyzer.
Цитирования (OpenAlex) 2Цитирования (OpenCitations) 1
Некоторые метрики заблокированы вашими
настройками согласия
Development of an atrioventricular block prediction of method for portable heart monitoring system
(Kharkiv State Academy of Physical Culture, 2022-06-30)
Ainur Bekbay
;
Zhadyra N. Alimbayeva
;
Chingiz A. Alimbayev
;
Nurlan A. Bayanbay
;
Кassymbek Ozhikenov
The object of the study is a portable system that allows real-time monitoring of the state of the heart for the timely provision of medical care. The task of detecting atrioventricular (AV) blocks in the conditions of free motor activity of the patient is being solved. To develop a method for detecting AV block, models of the electrical activity of the heart were used to take into account the spatiotemporal organization of the process of spreading excitation, analyze the dynamics of the behavior of the cardiovascular systems (CVS) for any value of the period of atrial excitation, and assess the degree of fitness of the CVS. The proposed method made it possible to determine the heart rate (HR) at which the development of AV block is possible. AV block of the III degree – heart rate 304 bpm; AV block of the II degree with the loss of half of the impulses – heart rate 260 bpm; AV block II degree with loss of individual impulses – heart rate 234 bpm; AV block of the 1st degree – heart rate 200 bpm. Prediction of AV block allows assessing the degree of “training” of the patient’s heart. The obtained quantitative results are consistent with the heart rate values known to modern health care. The developed method was implemented on the basis of a portable ECG monitoring system previously developed by the authors. Tests of the portable ECG monitoring system indicate an increase in the sensitivity and specificity of diagnosing cardiac arrhythmia and confirm the achievement of the goal of this study: improving the efficiency of diagnostics and expanding the functionality of the portable ECG monitoring system
Цитирования (OpenAlex) 1
Некоторые метрики заблокированы вашими
настройками согласия
ГЛИКЕМИЯ ДЕҢГЕЙІН АНЫҚТАУ ҮШІН ЭЛЕКТРОКАРДИОСИГНАЛДАРДЫ ТАЛДАУ ЖӘНЕ ӨҢДЕУ
(Mukhametzhan Tynyshbayev ALT University, 2022-12-01)
Zhadyra N. Alimbayeva
;
Zhansila Orynbay
;
Айдана Еркебай
;
Дильфуза Ахмедова
;
Nurlan A. Bayanbay
Қандағы глюкоза деңгейінің тұрақсыз болуы адамда қант диабеті, қатерлі ісік, бүйрек және жүрек ауруларын тудырады. Адам өмірі жүректің дұрыс жұмыс жасауымен, жүрек соғысының тұрақтылығымен тікелей байланысты. Ал жүрек қызметін тұрақты бақылау қатерлі аурулармен ауыратын адамдар үшін маңызды. Қандағы глюкоза деңгейі жүрек қызметінің бұзылуына әкелуіне байланысты глюкоза деңгейін тұрақты бақылап отыру қажет. Глюкоза деңгейін инвазивті түрде, саусаққа ине сұғу арқылы анықтау үздіксіз анықтауға мүмкіндік бермеуі, науқас үшін ауыр және инфекцияға ұшырату мүмкіндігінің болуына байланысты инвазивті емес анықтаудың тиімді әдісін жетілдіру маңызды. Бұл мақалада қандағы глюкозаның деңгейіне байланысты жүрек қызметінің өзгерістерін анықтау үшін инвазивті емес әдіс ЭКГ арқылы анықтау қолданылды. ЭКГ арқылы қандағы глюкоза деңгейін анықтауға байланысты әдістер мен зерттеулерге және нәтижелерге талдау жасалынды. Зерттеу барысында ЭКГ арқылы анықтау үшін 5 сау қатысушыға екі күн бойы эксперимент жүргізілді. Бірінші күні қатысушылар 75 г сусыз глюкоза ерітіндісін тұтынса, екінші күні қатысушылар сусыз глюкоза ерітіндісін тұтынған жоқ. Екі күн бойы жүргізілген зерттеулер нәтижесі бойынша сау адамдар сусыз глюкоза ерітіндісін тұтынған жағдайда қандағы глюкоза деңгейінің өзгеретіндігі және ЭКГ нәтижелеріне әсер ететіндігі анықталды. ЭКГ нәтижелері мен глюкометрмен алынған нәтижелердің ұқсастығы мен айырмашылығы салыстырмалы түрде зерттелді. Зерттеу нәтижесі бойынша қандағы глюкозаның деңгейіне байланысты өзгеріске ұшырайтын ЭКГ аралықтары анықталды.
Некоторые метрики заблокированы вашими
настройками согласия
Wearable ECG Device and Machine Learning for Heart Monitoring
(Multidisciplinary Digital Publishing Institute, 2024-06-28)
Zhadyra N. Alimbayeva
;
Chingiz A. Alimbayev
;
Кassymbek Ozhikenov
;
Nurlan A. Bayanbay
;
Aiman K. Ozhikenova
With cardiovascular diseases (CVD) remaining a leading cause of mortality, wearable devices for monitoring cardiac activity have gained significant, renewed interest among the medical community. This paper introduces an innovative ECG monitoring system based on a single-lead ECG machine, enhanced using machine learning methods. The system only processes and analyzes ECG data, but it can also be used to predict potential heart disease at an early stage. The wearable device was built on the ADS1298 and a microcontroller STM32L151xD. A server module based on the architecture style of the REST API was designed to facilitate interaction with the web-based segment of the system. The module is responsible for receiving data in real time from the microcontroller and delivering this data to the web-based segment of the module. Algorithms for analyzing ECG signals have been developed, including band filter artifact removal, K-means clustering for signal segmentation, and PQRST analysis. Machine learning methods, such as isolation forests, have been employed for ECG anomaly detection. Moreover, a comparative analysis with various machine learning methods, including logistic regression, random forest, SVM, XGBoost, decision forest, and CNNs, was conducted to predict the incidence of cardiovascular diseases. Convoluted neural networks (CNN) showed an accuracy of 0.926, proving their high effectiveness for ECG data processing.
Цитирования (OpenAlex) 55Цитирования (OpenCitations) 30

Қазақ ұлттық қыздар педагогикалық университеті / Казахский национальный женский педагогический университет

Просмотр

Фильтры

Настройки

Сортировать по

результатов на странице

Результаты поиска

QyzPU CRIS

Университет

Данные