Detectie van abnormale hartsignalen

Probleembeschrijving

In dit probleem wordt de ontwikkeling van een beeldclassificatiemodel nagestreefd dat onderscheid kan maken tussen normale ECG en abnormale ECG signalen, uitgaande van een dataset met echte medische informatie.

De gegevens die in het kader van dit probleem worden verstrekt, zijn weergegeven in de vorm van ECG-afbeeldingen, waarbij elke afbeelding overeenkomt met een volledige opname van de elektrische activiteit van het hart voor een patiënt. De afbeeldingen kunnen direct worden gebruikt als invoergegevens voor beeldclassificatiemodellen.

Wat is een ECG?

ECG (Elektrocardiogram) is een niet-invasief medisch onderzoek dat de elektrische activiteit van het hart in de tijd registreert.
Elke hartslag wordt gecontroleerd door elektrische impulsen, en het ECG meet deze signalen met behulp van elektroden die op het lichaamsoppervlak worden geplaatst.

Het ECG wordt op grote schaal gebruikt voor:

• detectie van hartritmestoornissen
• identificatie van myocardinfarct
• monitoring van het hartritme
• evaluatie van de algemene toestand van het hart

Afwijkingen in het ECG-signaal kunnen ernstige hartaandoeningen aangeven, daarom is automatisering van het analyseproces uiterst belangrijk in de medische praktijk.

De dataset

De gebruikte dataset bevat voorbewerkte ECG-opnames, met de volgende kenmerken:

• Elk voorbeeld komt overeen met een patiënt
• Elk ECG bestaat uit 140 meetpunten
• Elke afbeelding is gelabeld met:
  • 0 – normaal ECG
  • 1 – abnormaal ECG

De gegevens zijn georganiseerd in CSV-bestanden:

• train.csv – afbeeldingen en labels voor training
• test.csv – afbeeldingen zonder labels (voor inferentie)

Doelstelling van het probleem

Het doel is om een beeldclassificatiemodel te bouwen dat, op basis van een ECG-afbeelding, voorspelt of het hartsignaal normaal of abnormaal is.

Het model moet:

• relevante visuele patronen uit ECG-signalen leren
• correct generaliseren op ongeziene gegevens
• goede prestaties behalen op de testset

Het submissiebestand

Aan het eind genereer je een bestand submission.csv met de vorm:

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

Evaluatie

De metriek die wordt gebruikt voor de evaluatie van het model is de nauwkeurigheid:

1accuracy = (aantal_correcte_voorspellingen / totaal_aantal_voorspellingen)

Puntenschema

• accuracy ≥ 98% → 100 punten
• accuracy < 90% → 0 punten
• anders → proportionele score tussen 0 en 100