Spis treści


Zaproszenie na obronę pracy doktorskiej


DZIEKAN i RADA WYDZIAŁU ELEKTROTECHNIKI, AUTOMATYKI, INFORMATYKI i INŻYNIERII BIOMEDYCZNEJ
AKADEMII GÓRNICZO-HUTNICZEJ im. STANISŁAWA STASZICA W KRAKOWIE
zapraszają na
publiczną dyskusję nad rozprawą doktorską

mgr inż. Pawła Pławiaka
AUTOMATYCZNE DIAGNOZOWANIE DYSFUNKCJI MIĘŚNIA SERCOWEGO NA PODSTAWIE ANALIZY SYGNAŁU ELEKTROKARDIOGRAFICZNEGO (EKG) PRZY WYKORZYSTANIU SYSTEMU EWOLUCYJNO-NEURONOWEGO
Termin: 9 grudnia 2016 roku o godz. 10:00
Miejsce: pawilon B-1, sala 4
Al. Mickiewicza 30, 30-059 Kraków
PROMOTOR: prof. dr hab. inż. Ryszard Tadeusiewicz - Akademia Górniczo-Hutnicza
RECENZENCI: prof. dr hab. inż. Ewaryst Tkacz - Politechnika Śląska
dr hab. Zbisław Tabor, prof. PK - Politechnika Krakowska
Z rozprawą doktorską i opiniami recenzentów można się zapoznać
w Czytelni Biblioteki Głównej AGH, al. Mickiewicza 30


Autoreferat

Automatyczne diagnozowanie dysfunkcji mięśnia sercowego na podstawie analizy sygnału elektrokardiograficznego (EKG) przy wykorzystaniu systemu ewolucyjno-neuronowego

Automatic diagnosis of myocardial dysfunction based on analysis of the electrocardiogram signal (ECG) using evolutionary-neural system

mgr inż. Paweł Pławiak

Promotor: prof. zw. dr hab. inż. Ryszard Tadeusiewicz
Dyscyplina: Biocybernetyka i Inżynieria Biomedyczna


Badania prowadzone w ramach rozprawy doktorskiej dotyczyły bardzo istotnej, ze społecznego punktu widzenia, tematyki - zapobiegania chorobom układu krążenia, które są najczęstszą przyczyną zgonów na świecie.

Celem prowadzonych badań było stworzenie algorytmów służących do skutecznego, automatycznego rozpoznawania dysfunkcji mięśnia sercowego (prawidłowego rytmu zatokowego, rytmu z rozrusznika oraz 15 zaburzeń pracy serca). Algorytmy były projektowane z myślą o ich zastosowaniu w telemedycynie i urządzeniach mobilnych, wspomagających profilaktykę leczenia chorób układu krążenia. Główny nacisk został położony na skuteczność projektowanego rozwiązania, jednak ze względu na zamiar wykorzystania zaprojektowanych algorytmów w urządzaniach mobilnych dodatkowym kryterium oceny był czas trwania analizy która powinna odbywać się w czasie rzeczywistym. Należy nadmienić, że obecnie opisane, w literaturze naukowej, rozwiązania nie wykazują zadowalającej skuteczności [1].

Teza rozprawy:

Zastosowanie systemu ewolucyjno-neuronowego (głębokiego zespołu genetycznie optymalizowanych klasyfikatorów), do analizy genetycznie selekcjonowanych cech w postaci składowych częstotliwościowych widmowej gęstości mocy, 10-sekundowych fragmentów sygnału EKG, umożliwi skuteczne i szybkie diagnozowanie wybranych dysfunkcji mięśnia sercowego.

Do zaprojektowania i przebadania algorytmów została stworzona baza danych zawierająca 744 fragmenty (10 sekundowe) sygnałów EKG od 29 pacjentów pochodzące z ogólnodostępnej bazy: MIH-BIH Arrhythmia Database. Analizowane fragmenty sygnałów EKG pochodziły tylko z jednego odprowadzenia: MLII.

W badaniach zastosowano oryginalną metodologię polegającą na analizie dłuższych (10 sekundowych) fragmentów sygnału EKG. W celu wzmocnienia charakterystycznych cech sygnału EKG estymowano widmową gęstość mocy za pomocą metody Welch'a i dyskretnej transformacji Fouriera.

W ramach badań przeprowadzono 6 eksperymentów obejmujących podstawową analizę sygnałów EKG, genetyczną optymalizację parametrów i genetyczną selekcję cech oraz różne typy oryginalnych zespołów klasyfikatorów. Na podstawie przeprowadzonych eksperymentów przeanalizowano i wskazano najlepsze metody dotyczące: przetwarzania wstępnego sygnału, normalizacji, ekstrakcji i selekcji cech (składowych częstotliwościowych), walidacji krzyżowej, klasyfikatorów (SVM, kNN, PNN, RBFNN) i zespołów klasyfikatorów oraz optymalizacji parametrów. W wyniku szczegółowych badań została wytyczona ścieżka (kombinacja metod) dla której uzyskano najwyższą czułość rozpoznawania zaburzeń pracy mięśnia sercowego. Wyniki zweryfikowano za pomocą wyznaczonych współczynników (sumy błędów, czułości, współczynnika kappa, czasu klasyfikacji, itp.) uzyskanych na podstawie macierzy pomyłek.

Otrzymane wyniki w pełni potwierdzają słuszność prowadzonych badań i stawianych hipotez oraz udowadniają zrealizowanie celu - skutecznego i szybkiego rozpoznawania patologii pracy mięśnia sercowego. Najlepszy system - głęboki genetyczny zespół klasyfikatorów, uzyskał czułość rozpoznawania, aż 17 klas, na poziomie: SEN = 94.62% (suma błędów: ERRsum = 40 błędów na 744 klasyfikacje, skuteczność: ACC = 99.37%, specyficzność: SPE = 99.66%), przy czasie klasyfikowania jednego fragmentu sygnału EKG na poziomie: Ck = 0.8736 [s]. Na tle aktualnej literatury naukowej [1] jest to bardzo dobry wynik (drugi najlepszy), potwierdzający sens prowadzenia dalszych badań w tej dziedzinie na podstawie zaproponowanej metodologii.

Oryginalne elementy badań:

Bibliografia:

  1. DA S. LUZ, E. J., SCHWARTZ, W. R., CÁMARA-CHÁVEZ, G., AND MENOTTI, D. ECG-based heartbeat classification for arrhythmia detection: A survey. Computer Methods and Programs in Biomedicine 127 (2016), 144 – 164.


Pełna wersja rozprawy doktorskiej

Rozprawa udostępniona publicznie: Doktorat

Opinia promotora

- prof. dr hab. inż. Ryszard Tadeusiewicz: Opinia

Recenzje

- prof. dr hab. inż. Ewaryst Tkacz: Recenzja
- dr hab. Zbisław Tabor, prof. PK: Recenzja

Odpowiedzi do komentarzy recenzentów

- prof. dr hab. inż. Ewaryst Tkacz: Odpowiedzi
- dr hab. Zbisław Tabor, prof. PK: Odpowiedzi

Publikacje autora rozprawy

Publikacje w czasopismach z listy filadelfijskiej:

  1. P. Pławiak, W. Maziarz; Classification of tea specimens using novel hybrid artificial intelligence methods; Elsevier, Sensors and Actuators B: Chemical; 192: 117-125; 03/2014.
  2. P. Pławiak, R. Tadeusiewicz; Approximation of phenol concentration using novel hybrid computational intelligence methods; International Journal of Applied Mathematics and Computer Science; 24(1): 165-181; 03/2014.
  3. P. Pławiak, T. Sośnicki, M. Niedźwiecki, Z. Tabor, K. Rzecki; Hand Body Language Gesture Recognition Based on Signals From Specialized Glove and Machine Learning Algorithms; IEEE, Transactions on Industrial Informatics; 12(3): 1104-1113; 06/2016.


Pozostałe publikacje:

  1. P. Pławiak, W. Maziarz; Comparison of artificial intelligence methods on the example of tea classification based on signals from e-nose sensors; HRPUB, Advances in Signal Processing; 1(2): 19-32; 10/2013.
  2. T. Wójtowicz, K. Rzecki, P. Pławiak, M. Niedźwiecki, T. Sośnicki, K. Smelcerz, T. Wojtoń, Z. Tabor; Emergence of cooperation as a result of mutation and inheritance in PD/PG-like game; Politechnika Krakowska, Czasopismo Techniczne; 1(19): 71-84; 02/2016.
  3. T. Wójtowicz, K. Rzecki, P. Pławiak, M. Niedźwiecki, T. Sośnicki, T. Wojtoń, K. Smelcerz, Z. Tabor; The Dynamics of the Distribution of co-authors; Politechnika Krakowska, Czasopismo Techniczne; 1(19): 85-104; 02/2016.


Uzasadnienie zgłoszonego przez Recenzentów wniosku o wyróżnienie rozprawy