Е.Г. Евдакова1

1 Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» (Санкт-Петербург, Россия)
1 kat355@mail.ru

Постановка проблемы. Для пациентов с нарушениями сердечного ритма важно быстро и надежно выявлять опасные аритмии в момент их появления. Своевременное обнаружение опасных аритмий имеет важное значение в клинической практике. Быстрое применение реанимационных мер критично для оказания необходимой помощи пациенту в угрожающих жизни ситуациях. В стационарном кардиологическом мониторинге следует уделять внимание распознаванию предвестников серьезных нарушений. Эффективный анализ коротких фрагментов электрокардиосигнала важен для решения этих задач.

Цель. Выявить влияние способов формирования тестовой выборки на оценку точности бинарной классификации желудочковых аритмий.

Результаты. Показано, что влияния способов формирования тестовой выборки на оценку точности бинарной классификации желудочковых аритмий не выявлено. Отмечено, что В исследуемой базе данных можно выделить тестовый набор таким образом, чтобы записи от одного пациента попадали только в него.

Практическая значимость. Предложенный оптимальный способ формирования тестовой и обучающей выборки обеспечивает высокую точность бинарной классификации желудочковых аритмий.

Евдакова Е.Г. Влияние способа формирования обучающей и тестовой выборки на оценку точности бинарной классификации желудочковых аритмий // Биомедицинская радиоэлектроника. 2025. T. 28. № 2. С. 33−37. DOI: https://doi.org/10.18127/j15604136- 202502-05

1. Kolk M.Z.H., Deb B., Ruipérez-Campillo S., Bhatia N.K., Clopton P., Wilde A.A.M., Narayan S.M., Knops R.E., Tjong F.V.Y. Machine learning of electrophysiological signals for the prediction of ventricular arrhythmias: systematic review and examination of heterogeneity between studies. EBioMedicine. 2023. V. 89. P. 104462. https://doi.org/10.1016/j.ebiom.2023.104462.
2. Fira M., Costin H.-N., Goras L. Prediction and Detection of Ventricular Fibrillation Using Complex Features and AI-Based Classification. Applied Sciences. 2024. V. 14(7). P. 3050. https://doi.org/10.3390/app14073050.
3. Amann A., Tratnig R., Unterkofler K. Reliability of Old and New Ventricular Fibrillation Detection Algorithms for Automated External Defibrillators. Biomedical Engineering Online. 2005. 4. № 60. P. 1–23. http://dx.doi.org/10.1186/1475-925X-4-60.
4. MIT-BIH Malignant Ventricular Ectopy Database. Massachusetts Institute of Technology https://www.physionet.org/content/ vfdb/1.0.0/
5. Nemirko A., Manilo L., Tatarinova A., Alekseev B., Evdakova E. ECG Fragment Database for the Exploration of Dangerous Arrhythmia (version 1.0.0). PhysioNet. https://doi.org/10.13026/kpfg-xs25.
6. Priori S.G., Blomstrom-Lundqvist C., Mazzanti A. et al. 2015 ESC Guidelines for the management of patients with ventricular arrhythmias and the prevention of sudden cardiac death. European Heart Journal. 2015. V. 36(41). P. 2793–2867.
7. Glikson M., Nielsen J.C., Kronborg M.B. et al. 2021 ESC Guidelines on cardiac pacing and cardiac resynchronization therapy. European Heart Journal. 2021. P. 1–94.
8. Bayers de Luna A.B., Coumel P., Leclercq J.F. Ambulatory sudden cardiac death: mechanism of production of fatal arrhythmia on the basis of data from 157 cases. American Heart Journal. 1989. V. 117(1). P. 151–159.
9. Bigger J.T.Jr. Identification of patients at high risk for sudden cardiac death. American Journal of Cardiology. 1984. V. 54(9). P. 3D–8D.
10. Manilo L.A., Nemirko A.P., Evdakova E.G. Ventricular Arrhythmia Classification Using Classical and Neural Network Approaches, accepted for publication in the international journal of the Russian Academy of Sciences “Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications”. 2024. V. 34. № 4 (IMTA-2024).
11. Manilo L.A., Nemirko A.P., Evdakova E.G., Tatarinova A. Comparing Binary Classification Results for Dangerous Ventricular Arrhythmias Using 2 and 4 Seconds Short ECG Signal Fragments. In: 2024 International Conference on Information Processes and Systems Development and Quality Assurance (IPS), Saint Petersburg, Russian Federation. 2024. P. 36–39. DOI: 10.1109/IPS62349.2024.10499488.