Ebanormaalsete südamesignaalide tuvastamine

Probleemi kirjeldus

Selles probleemis keskendutakse piltide klassifitseerimise mudeli arendamisele, mis suudab eristada normaalseid EKG-sid ja ebanormaalseid EKG-sid, lähtudes tegelike meditsiiniliste andmetega andmestikust.

Selle probleemi raames esitatud andmed on kujutatud EKG piltide vormis, kus iga pilt vastab patsiendi südame elektrilise aktiivsuse täielikule salvestusele. Pilte saab kasutada otse sisendandmetena piltide klassifitseerimise mudelite jaoks.

Mis on EKG?

EKG (Elektrokardiogramm) on mitteinvasiivne meditsiiniline uuring, mis salvestab südame elektrilist aktiivsust ajas.
Iga südamelöök on kontrollitud elektriliste impulsside poolt ning EKG mõõdab neid signaale, kasutades keha pinnale paigutatud elektroode.

EKG-d kasutatakse laialdaselt:

• südame arütmiate avastamiseks
• müokardi infarkti tuvastamiseks
• südamerütmi jälgimiseks
• südame üldseisundi hindamiseks

EKG signaali anomaaliad võivad viidata tõsistele südamehaigustele, mistõttu analüüsiprotsessi automatiseerimine on meditsiinipraktikas äärmiselt oluline.

Andmestik

Kasutatud andmestik sisaldab eeltöödeldud EKG salvestusi järgmiste omadustega:

• Iga näide vastab ühele patsiendile
• Iga EKG koosneb 140 mõõtmispunktist
• Iga pilt on märgistatud:
  • 0 – normaalne EKG
  • 1 – ebanormaalne EKG

Andmed on organiseeritud CSV failidesse:

• train.csv – pildid ja sildid treenimiseks
• test.csv – pildid ilma siltideta (järelduste tegemiseks)

Probleemi eesmärk

Eesmärk on ehitada piltide klassifitseerimise mudel, mis EKG pildi põhjal ennustab, kas südamesignaal on normaalne või ebanormaalne.

Mudel peab:

• õppima EKG signaalidest asjakohaseid visuaalseid mustreid
• üldistama korrektselt nägemata andmetele
• saavutama head tulemusi testikomplektil

Esitamisfail

Lõpuks genereerid faili submission.csv kujul:

1image_path,label2images/ecg_000001.png,03images/ecg_000002.png,1

Hindamine

Mudeli hindamiseks kasutatav mõõdik on täpsus:

1accuracy = (õigete_ennustuste_arv / ennustuste_koguarv)

Hindamisskaala

• accuracy ≥ 98% → 100 punkti
• accuracy < 90% → 0 punkti
• muul juhul → proportsionaalne punktisumma 0 ja 100 vahel