Detecția semnalelor cardiace anormale

Descrierea problemei

În această problemă se urmărește dezvoltarea unui model de clasificare a imaginilor capabil să distingă între semnale ECG normale și ECG anormale, pornind de la un set de date cu informații medicale reale.

Datele furnizate în cadrul acestei probleme sunt reprezentate sub forma unor imagini ECG, fiecare imagine corespunzând unei înregistrări complete a activității electrice a inimii pentru un pacient. Imaginile pot fi utilizate direct ca date de intrare pentru modele de clasificare a imaginilor.

Ce este un ECG?

ECG (Electrocardiograma) este o investigație medicală neinvazivă care înregistrează activitatea electrică a inimii în timp.
Fiecare bătaie a inimii este controlată de impulsuri electrice, iar ECG-ul măsoară aceste semnale folosind electrozi plasați pe suprafața corpului.

ECG-ul este utilizat pe scară largă pentru:

• detectarea aritmiilor cardiace
• identificarea infarctului miocardic
• monitorizarea ritmului cardiac
• evaluarea stării generale a inimii

Anomaliile din semnalul ECG pot indica afecțiuni cardiace grave, motiv pentru care automatizarea procesului de analiză este extrem de importantă în practica medicală.

Setul de date

Setul de date utilizat conține înregistrări ECG preprocesate, cu următoarele caracteristici:

• Fiecare exemplu corespunde unui pacient
• Fiecare ECG este compus din 140 de puncte de măsurare
• Fiecare imagine este etichetată cu:
  • 0 – ECG normal
  • 1 – ECG anormal

Datele sunt organizate în fișiere CSV:

• train.csv – imagini și etichete pentru antrenare
• test.csv – imagini fără etichete (pentru inferență)

Obiectivul problemei

Scopul este de a construi un model de clasificare a imaginilor care, pe baza unei imagini ECG, să prezică dacă semnalul cardiac este normal sau anormal.

Modelul trebuie să:

• învețe pattern-uri vizuale relevante din semnalele ECG
• generalizeze corect pe date nevăzute
• obțină performanțe bune pe setul de test

Fișierul de submisie

La final, vei genera un fișier submission.csv cu forma:

image_path,label
images/ecg_000001.png,0
images/ecg_000002.png,1

Evaluare

Metrica folosită pentru evaluarea modelului este acuratețea:

accuracy = (număr_predicții_corecte / număr_total_predicții)

Barem de notare

• accuracy ≥ 98% → 100 puncte
• accuracy < 90% → 0 puncte
• altfel → punctaj proporțional între 0 și 100