ARITMA KASSALIGINI UCHUN KOGNITIV PARAMETRLARINI ISHLAB CHIQISH

Аннотация

Cardiovascular diseases are one of the leading causes of death worldwide, and their early detection and treatment are important to save the patient's life. In this paper, a cognitive model is developed that detects and adapts to heart diseases based on electrocardiographic (ECG) signals that monitor cardiac activity. The model uses artificial intelligence (AI) techniques, such as digital signal processing (DSP), feature extraction, classification (SVM, CNN). The study analyzes real ECG signals from the MIT-BIH arrhythmia database and identifies diseases such as arrhythmia, tachycardia, bradycardia based on heart rhythm changes. Cognitive characteristics (patient age, gender, medical history, physical activity status) corresponding to each cardiac signal are also taken into account. The model not only detects the disease but also provides recommendations for its prevention. The analysis results achieved an accuracy of 92%, an F1-score of 0.89, and a sensitivity (recall) of 0.91. The proposed model is suitable for real-time monitoring and can be applied in mobile or clinical settings. The study demonstrates the important role of cognitive models of artificial intelligence in the early detection and prevention of heart diseases. Keywords: cognitive parameters, SI, machine learning, LSTM (long short-term memory), EEG, ECG, random forest. 1672 ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 6 ЗАБОЛЕВАНИЯ, ОБНАРУЖЕННЫЕ С ПОМОЩЬЮ КАРДИОЛОГИЧЕСКИХ СИГНАЛОВ, И КОГНИТИВНАЯ МОДЕЛЬ ДЛЯ ИХ УСТРАНЕНИЯ Аннотация: Сердечно-сосудистые заболевания являются одной из основных причин смерти во всем мире, и их раннее выявление и лечение важны для спасения жизни пациента. В этой статье разрабатывается когнитивная модель, которая обнаруживает и адаптируется к заболеваниям сердца на основе электрокардиографических (ЭКГ) сигналов, позволяющих контролировать сердечную деятельность. Модель использует методы искусственного интеллекта (ИИ), в частности, цифровую обработку сигналов (DSP), извлечение признаков, классификацию (SVM, CNN). Исследование анализирует реальные сигналы ЭКГ из базы данных аритмий MIT-BIH и идентифицирует такие заболевания, как аритмия, тахикардия, брадикардия, на основе изменений сердечного ритма. Также учитываются когнитивные характеристики (возраст пациента, пол, анамнез, статус физической активности), соответствующие каждому сердечному сигналу. Модель не только обнаруживает заболевание, но и дает рекомендации по его профилактике. Результаты анализа достигли точности 92%, F1-оценки 0,89 и чувствительности (полноты) 0,91. Предложенная модель подходит для мониторинга в реальном времени и может применяться в мобильных или клинических условиях. Исследование демонстрирует важную роль когнитивных моделей искусственного интеллекта в раннем выявлении и профилактике заболеваний сердца. Ключевые слова: когнитивные параметры, SI, машинное обучение, LSTM (долговременная кратковременная память), ЭЭГ, ЭКГ, случайный лес.