ІНТЕРОПЕРАБЕЛЬНА СИСТЕМА АВТОМАТИЧНОГО АНАЛІЗУ ЕЕГ НА ОСНОВІ МАШИННОГО НАВЧАННЯ

Анотація

Електроенцефалографія (ЕЕГ) є одним із основних неінвазивних методів оцінювання функціонального стану головного мозку та виявлення епілептиформної активності. Водночас аналіз електроенцефалографічних записів потребує значних витрат часу, досвіду спеціаліста та роботи з великими обсягами неоднорідних даних. Сучасні підходи на основі машинного навчання та штучного інтелекту дозволяють частково автоматизувати аналіз ЕЕГ сигналів і підвищити ефективність обробки електроенцефалографічних записів. У роботі розглянуто розробку веборієнтованого програмного продукту для автоматизованого аналізу ЕЕГ із використанням нейромережевого модуля для оцінки відхилень у сигналі. Запропонована система підтримує імпорт ЕЕГ файлів у форматах EDF та CSV, попередню обробку та візуалізацію сигналів, збереження історії досліджень і формування аналітичних звітів. Програмний продукт реалізовано з використанням Python, Django, SQLite та бібліотек машинного навчання для обробки і класифікації ЕЕГ сигналів. Особливу увагу приділено формуванню медико-технічних вимог щодо інтероперабельності ЕЕГ даних, структурованого збереження результатів, візуалізації підозрілих ділянок сигналу та підтримки процесів прийняття клінічних рішень. Розроблений підхід дозволяє інтегрувати методи машинного навчання у єдине цифрове середовище аналізу ЕЕГ даних і може використовуватись як допоміжний інструмент попереднього аналізу електроенцефалографічних записів у медичній практиці.
Наукова новизна запропонованого підходу полягає у розробці веборієнтованої системи аналізу ЕЕГ, що поєднує методи машинного навчання, структуроване збереження електроенцефалографічних даних та візуалізацію кандидатних епілептиформних патернів у межах єдиного цифрового середовища. На відміну від традиційних систем аналізу ЕЕГ, розроблений програмний продукт забезпечує автоматичне підсвічування підозрілих ділянок сигналу та підтримує повторний аналіз і порівняння результатів досліджень