На Вход программе подаются независимых 3 параметра: ЭКГ второго отведения, 8 интроопераионных датчиков,
видео поток с лица пациента, которые обрабатываются 2 моделями на архитектурах ResNet и CNN и алгоритмом на базе
условий. Далее их значения отправляются на перепроверку совмести данных алгоритму трехступенчатому,
чтобы избежать ошибочного вердикта. Далее, все это отправляется алгоритму принятия решения, который все
анализирует и выдает итоговые осложнения и их вероятности и отправляет это все в основной интерфейс программы.
Классификация кардиограмм:
Она базируется на архитектуре модели ResNet. ResNet - это архитектура глубоких нейронных сетей, которая ввела концепцию остаточных связей.
Датасет был использован с размерностью 31_000 кардиограмм, но не с равномерным распределением данных на класс.
Я при обучении, как признаки, подавал массив из 2_500 точек ЭКГ записи + 2_500 точек их производной,
чтобы модели видела не только саму кардиограмму, но и ее скорость изменения. Данная модель обучалась 60 эпох, и
по итогу она достигла точность 78%, что очень сильно хорошо.
Классификация визуальных признаков:
Она базируется на архитектуре модели CNN. CNN - свёрточная нейронная сеть — специализированный класс искусственных нейронных сетей, разработанный для задач, где важна пространственная структура данных, например, обработка изображений или видео.
Датасет здесь я собрал полностью сам, брав изображения осложнений из интернета, и по итогу у меня получилось
5_000 изображений с учетом аргументации (увеличение кол-во изображений путем их копирования и добавления различных фильтров).
Она обучилась с ошибкой всего 0.4, что есть хорошо.
Классификация признаков по датчикам:
Я на каждое осложнение сделал по 10 различных множеств условий, где проверяются обычными условиям 8
интраоперационных датчика. Далее я беру значения датчиков этих из входного потока и прогоняю по моим условиям,
осложнения которые прошли по условию хотя-бы одному, программа кладет их в массив и отправляет в основную, центральную программу принятия решения.
Если найдено более одного осложнения программа их ставит по уверенности, который берет из специального коэффицента.
Программа перепроверки данных:
Иногда нейронные сети могут ошибаться и давать два осложнения с почти одинковой вероятность, и тогда данный трехступенчатый
алгоритм приходит на помощь. Он состоит из метода основанного на медиане треугольника(значения трех определенных параметров выстраиваются на декардовой системе координат смотрю на разницу медиан(здесь получается фигура треугольник) и если они больше определенного коэффицента, то этого осложнения физически быть не может), линейной регрессии и взаимной перепроверки данных между собой.
