О.Х.Я. Аль-Хамами1, В.В. Алексеев2
1, 2 Тамбовский государственный технический университет (г. Тамбов, Россия)
1 Северный технический университет (г. Мосул, Ирак)
2 Российский университет дружбы народов им. Патриса Лумумбы (Москва, Россия)

1 omer_h_yahya@ntu.edu.iq

Постановка проблемы. При разработке модели обработки данных сердечно-сосудистой системы актуально решение задач надежности диагностического процесса и целостности биомедицинских данных пациентов. Важно учитывать сохранение конфиденциальности анализа данных сердечно-сосудистой системы, поскольку они содержат конфиденциальную информацию о состоянии здоровья человека. Также при внедрении моделей диагностики необходимо учитывать соблюдение нормативных актов в сфере здравоохранения, таких как закон о переносимости и подотчетности медицинского страхования.

Цель. Повысить эффективность обработки данных сердечно-сосудистой системы с помощью нового подхода к биометрическому авторизованному доступу на основе электрокардиограммы с применением одномерных сверточных нейронных сетей для обеспечения надежного доступа к конфиденциальной информации о сердечно-сосудистой системе.

Результаты. Рассмотрены глубокие нейронные сети и модели предварительной обработки. Определено, как и почему они используются при обработке сердечно-сосудистых данных. Изучены типы различных слоев нейронных сетей, отмечены их различия и свойства. Выделены принципы модификации слоев глубоких сверточных сетей для интерполяции признаков сигналов электрокардиограммы, реализованы задачи сравнения векторов признаков.

Практическая значимость. Разработанная модель обеспечивает конфиденциальность данных пациента и целостность хранимой информации об электрокардиограмме.

Аль-Хамами О.Х.Я., Алексеев В.В. Нейросетевая модель поддержки принятия диагностических решений на основе обработки данных электрокардиограммы о сердечно-сосудистой системе человека // Нейрокомпьютеры: разработка, применение. 2025. Т. 27. № 5. С. 40–47. DOI: https://doi.org/10.18127/j19998554-202505-05

1. Razin V.V., Krasnov A.A. Using artificial intelligence in the tasks of disease diagnostics by ECG on the PTB-XL dataset // Path to science: applied mathematics, computer science and information technology. 2023. P. 93–96.
2. Родионов Д.М. и др. Диагностика синусового ритма и мерцательной аритмии средствами искусственного интеллекта // Проблемы информатики. 2022. № 1 (54). С. 77–88.
3. Оконешникова Е.Ф. Модификация алгоритма извлечения признаков электрокардиограммы при диагностике аритмии на основе сверточной нейронной сети. Магистерская диссертация. 2023.
4. Сидоркин А.Д. Исследование эффективности сиамских нейронных сетей для биометрической аутентификации по ЭКГ для сигналов с непериодической сердечной аритмией // Инженерный вестник Дона. 2023. № 4 (100). С. 142–156.
5. Зорин А.Л. и др. Рассмотрение процесса идентификации личности по электрокардиограмме // Научные исследования и инновации. 2021. № 1. С. 17–23.
6. Chekhomov I., Al Mashhadani A.F. U-Net with extreme learner approach in retinal vessel image segmentation // IEEE Ural-Siberian Conference on Biomedical Engineering, Radio Electronics and Information Technology (USBEREIT). 2024. P. 322–325.
7. Немирко А.П., Салем Б.М.А., Манило Л.А. Распознавание опасных аритмий по скалограммам ЭКГ // Компьютерная оптика. 2024. Т. 48. № 1. С. 149–156.
8. Yahya O.H., Alekseev V.V., Lakomov D.V., et al. Deep learning approach for detecting cardiovascular arrhythmias in seven lead ECG signal from Holter // International Journal of Online & Biomedical Engineering. 2023. № 19 (14).
9. Коннова Н.С., Сафина А.Д. Использование нейросетевых методов и атомарных функций в задаче биометрической аутентификации по ЭКГ // Безопасные информационные технологии. 2021. С. 165–172.
10. Rahul J., Sora M., Sharma L. Baseline correction of ECG using regression estimation method // 2019 4th International Conference on Internet of Things: Smart Innovation and Usages (IoT-SIU). IEEE. 2019. P. 1–5.
11. Beardsley X.W., Field B., Xiao M. Mean-variance-skewness-kurtosis portfolio optimization with return and liquidity // Communications in Mathematical Finance. 2012. № 1 (1). P. 13–49.
12. Sharma T., Singh A., Raj G., et al. AES vs AES_GCM for data protection: A comprehensive security comparison // 2024 OPJU International Technology Conference (OTCON) on Smart Computing for Innovation and Advancement in Industry 4.0. IEEE. 2024. P. 1–7.
13. Yang Z., Liao W., Wang H., et al. Improved Euclidean distance-based pilot protection for lines with renewable energy sources // IEEE Transactions on Industrial Informatics. 2022. V. 18. № 12. P. 8551–8562.