Strona
główna

Prace studenckie

Śląska Akademia Medyczna w Katowicach
Koło Studentów przy Katedrze Mechanicznego Wspomagania Krążenia w Zabrzu
Kierownik Katedry: prof. dr hab. Zbigniew Religa
Opiekun Koła: dr Zbigniew Nawrat

Sztuczna inteligencja w medycynie. Analiza EKG.

Sztuczna inteligencja jest nauką o komputerowych modelach wiedzy umożliwiających rozumienie, wnioskowanie i działanie. Pierwsze próby wykorzystania tych metod w medycynie uczyniono ponad 30 lat temu. Pomimo gwałtownego rozwoju wiedzy w tej dziedzinie, systemy wspomagania oparte na sztucznej inteligencji nie były obecne w szpitalach. Obecnie, w dobie prężnego rozwoju informatyki, sztuczna inteligencja przeżywa swój renesans - wkracza w każdy obszar działalności lekarskiej.
Celem pracy jest ukazanie zalet i możliwości systemów medycznych wykorzystujących metody sztucznej inteligencji. Praca ta ma charakter dwuczęściowy. W pierwszej części omówiono możliwości i zalety zastosowania systemów sztucznej inteligencji w medycynie. W drugiej części podjęto próbę zaadaptowania symulatora sieci neuronowej Neuronix do analizy fragmentu krzywej EKG.
Przed siecią neuronową postawiono zadanie:
- rozróżnienie zapisów EKG z cechami zawału serca od zapisów EKG nie posiadających tych cech
Metodyka:
- krzywe EKG poddano przekształceniu do postaci binarnej
- analizowane zapisy EKG były uszkadzane w sposób losowy w zakresie 0-28%

- wykonano dwa doświadczenia A i B:
A) sieć została nauczona na zbiorze danych nie zawierającym uszkodzeń
B) sieć została nauczona na zbiorze danych uszkodzonych (losowo, w zakresie 0-28%)
W obydwu doświadczeniach testowano sieć dla zbioru danych uszkodzonego w zakresie 0-28% (uszkodzenia nie występujące w zbiorze uczącym).

Pytania:
1) jaki jest wpływ jakości danych na poprawność diagnoz stawianych przez sieć neuronową
2) w jakim stopniu dane, na których uczono sieć, rzutują na poprawność diagnoz

Wyniki:

uszkodzenie EKG [%]	3	5	8	11	14	17	19	22	25
Doświadczenie A
poprawnych diagnoz [%]	100	100	94	94	88	75	69	69	75
Doświadczenie B
poprawnych diagnoz [%]	100	100	100	50	38	75	100	56	56

Doświadczenie A	Doświadczenie B

Wnioski:
1) system rozpoznawania EKG oparty na symulatorze Neuronix wykazał się skutecznością diagnostyczną
2) porównując sieć nauczona na zbiorze danych zawierającym uszkodzenia z siecią nauczoną na zbiorze danych nie posiadającym uszkodzeń, zauważamy brak korelacji między stopniem uszkodzenia EKG, a poprawnością diagnoz stawianych przez sieć (nauczoną na zbiorze danych z uszkodzeniami).