20.500.12556/RUL-158819 Analiza in klasifikacija EKG signalov z metodami strojnega učenja magistrsko delo ECG signal analysis and classification with machine learning methods V magistrskem delu so predstavljene različne funkcije, pripomočki in aplikacije uporabne za analizo in klasifikacijo EKG signalov s pomočjo programa Matlab. Obravnavali smo postopke za izločanje šuma in trendov v podatkih. Ogledali smo si paket Signal Processing Toolbox v Matlabu in možne načine za izluščitev lastnosti iz EKG signalov. Signale smo razdelili na bloke, ki vsebujejo po en QRS kompleks. Za redukcijo dimenzij smo uporabili metodo PCA na posameznih blokih. Z metodo SVM smo klasificirali EKG signale tako, da smo jih razvrstili v dva razreda: signale z normalnim srčnim utripom in signale z atrijsko fibrilacijo. Najprej smo uporabili metodo SVM na učni in testni množici, potem pa smo naredili še klasifikacijo na učni množici ter uporabili naučen model za napovedovanje na testni množici. Dobljeni rezultati so pokazali, da ima model zadovoljivo natančnost. Za primerjavo uspešnosti modela smo na koncu izvedli še klasifikacijo z LSTM nevronskimi mrežami na reduciranih podatkih s pomočjo metode PCA. The master's thesis presents various functions, tools and applications useful for the analysis and classification of ECG signals using the Matlab program. We discussed procedures for removing noise and trends in data. We looked at the Signal Processing Toolbox package in Matlab and possible ways to extract features from ECG signals. The signals were divided into blocks containing one QRS complex each. To reduce dimensions, we used the PCA method on individual blocks. Using the SVM method, we organized the ECG signals by classifying them into two classes: signals with a normal heartbeat and signals with atrial fibrillation. First, we used the SVM method on the training and test sets, and then we did classification on the training set and used the learned model for prediction on the test set. The obtained results showed that the model has satisfactory accuracy. In order to compare the performance of the model, we finally performed a classification with LSTM neural networks on the reduced data using the PCA method. EKG signali strojno učenje klasifikacija Matlab ECG signals machine learning classification Matlab true false false Slovenski jezik Angleški jezik Magistrsko delo/naloga 2024-06-21 08:15:05 2024-06-21 08:15:10 2024-07-05 03:27:23 0000-00-00 00:00:00 2024 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 519.7 139841 199255811 12103.pdf 12103.pdf 1 A146601259A3260DF8F81EAA87816D2E 99799dd8071769a001614514bca21f4bc4d2787dc81a7339647841296d15ca08 9d05c400-2f95-11ef-a25b-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=186546 Fakulteta za matematiko in fiziko 0 0 0