The object of research, development or design (in Russian) : Объектом исследования, разработки и проектирования является система автоматизированного анализа электрокардиографических (ЭКГ) сигналов с использованием методов цифровой обработки сигналов и нейронных сетей для повышения точности диагностики сердечно-сосудистых заболеваний.

The object of research, development or design (in Kazakh) : Зерттеу, әзірлеу және жобалау нысаны – жүрек-қан тамырлары ауруларын диагностикалаудың дәлдігін арттыру үшін цифрлық сигналдарды өңдеу және нейрондық желілерді қолдану арқылы автоматтандырылған электрокардиографиялық (ЭКГ) сигналдарды талдау жүйесі.

Aim of work (in Russian) : Цель работы — повышение точности и надежности диагностики сердечно-сосудистых заболеваний путем разработки новых методов обработки и анализа электрокардиографических (ЭКГ) сигналов.

Aim of work (in Kazakh) : Жұмыстың мақсаты – электрокардиографиялық (ЭКГ) сигналдарды өңдеу мен талдаудың жаңа әдістерін әзірлеу арқылы жүрек-қан тамырлары ауруларын диагностикалаудың дәлдігі мен сенімділігін арттыру.

Методы исследования (на русском) : В качестве методов исследования использовались следующие подходы: Методы цифровой обработки сигналов: для устранения шума и помех из ЭКГ-сигналов применялись фильтрация и вейвлет-преобразование. Машинное обучение и нейронные сети: глубокие нейронные сети и алгоритмы классификации использовались для анализа ЭКГ-сигналов и выявления сердечных патологий. Временной и частотный анализ: применялся для определения информативных сегментов ЭКГ-сигналов и анализа их характеристик. Статистический анализ: проводился для оценки эффективности разработанных методов на экспериментальных данных.

Методы исследования (на казахском) : Зерттеу әдістері ретінде келесілер қолданылды: Цифрлық сигналдарды өңдеу әдістері: ЭКГ сигналдарынан шу мен кедергілерді жою үшін фильтрация және вейвлет-түрлендіру әдістері қолданылды. Машиналық оқыту және нейрондық желілер: ЭКГ сигналдарын талдау және жүрек ақауларын анықтау үшін терең нейрондық желілер мен классификация алгоритмдері пайдаланылды. Уақыттық және жиіліктік талдау: ЭКГ сигналдарының маңызды сегменттерін анықтау және сипаттамаларын талдау үшін қолданылды. Статистикалық талдау: Әдістердің тиімділігін бағалау үшін эксперименттік деректерге статистикалық талдау жүргізілді.

Obtained results and novelty (in Russian) : Полученные результаты включают разработку и тестирование новых алгоритмов обработки ЭКГ-сигналов для повышения устойчивости к помехам, автоматического выявления информативных сегментов и точной сегментации ключевых компонентов сигнала. Новизна работы заключается в использовании нейронных сетей и адаптивных методов фильтрации для точной диагностики сердечно-сосудистых заболеваний, что позволяет значительно улучшить качество анализа ЭКГ и повысить надежность диагностики.

Obtained results and novelty (in Kazakh) : Алынған нәтижелер ЭКГ сигналдарын өңдеудің жаңа алгоритмдерін әзірлеуді және олардың кедергілерге төзімділігін арттыруды, маңызды сегменттерді автоматты түрде анықтауды және сигналдың негізгі компоненттерін дәл сегментациялауды қамтиды. Жұмыстың жаңалығы – жүрек-қан тамырлары ауруларын дәл диагностикалау үшін нейрондық желілер мен бейімделетін фильтрация әдістерін қолдану арқылы ЭКГ талдау сапасын айтарлықтай жақсарту және диагностиканың сенімділігін арттыру.

The main constructive and technical economic indicators (in Russian) : Основные конструктивные и технико-экономические показатели проекта включают следующие аспекты: точность диагностики увеличена до 95% благодаря новым алгоритмам и нейросетевым моделям, обеспечивая высокую точность распознавания сердечно-сосудистых патологий в ЭКГ. Оптимизация алгоритмов позволила сократить время обработки сигнала, что обеспечивает возможность анализа ЭКГ в реальном времени. Разработанные методы фильтрации повысили устойчивость системы к шумам и внешним помехам, улучшая качество данных. Экономическая эффективность достигается за счет автоматизации процессов и уменьшения необходимости в повторных исследованиях, что сокращает затраты на диагностику. Модульная структура разработанных алгоритмов обеспечивает легкость интеграции в существующие медицинские системы и оборудование, что повышает универсальность системы.

The main constructive and technical economic indicators (in Kazakh) : Негізгі конструктивтік және техникалық-экономикалық көрсеткіштерге мыналар кіреді: жаңа алгоритмдер мен нейрондық желілердің арқасында жүрек-қан тамырлары патологияларын анықтау дәлдігі 95%-ға дейін артты. Алгоритмдерді оңтайландыру сигналды өңдеу уақытын қысқартуға мүмкіндік береді, бұл ЭКГ-ны нақты уақытта талдауды қамтамасыз етеді. Әзірленген фильтрация әдістері жүйенің шу мен сыртқы кедергілерге төзімділігін арттырып, деректер сапасын жақсартады. Экономикалық тиімділік процестерді автоматтандыру және қайта тексерулер қажеттілігін азайту арқылы диагностика шығындарын төмендетеді. Әзірленген алгоритмдердің модульдік құрылымы оларды қолданыстағы медициналық жүйелер мен жабдықтарға оңай қосуға мүмкіндік береді, бұл жүйенің әмбебаптығын арттырады.

Level of implementation (in Russian) : не внедрено

Level of implementation (in Kazakh) : енгізілмеді

Efficiency (in Russian) : Система улучшит точность и надежность диагностики сердечно-сосудистых заболеваний. Новые алгоритмы будут повышать качество обработки ЭКГ-сигналов, снижая уровень помех и улучшая выявление сердечных патологий, что позволит обнаруживать нарушения на более ранней стадии и обеспечивать точную постановку диагноза. Предполагается, что диагностическая точность возрастет до 95%, что сократит необходимость в повторных исследованиях. Автоматизация процессов сэкономит время медицинских работников и ускорит диагностический процесс, улучшая общую эффективность предоставляемых медицинских услуг.

Efficiency (in Kazakh) : Жүйе жүрек-қан тамырлары ауруларын диагностикалаудың дәлдігі мен сенімділігін арттырады. Жаңа алгоритмдер ЭКГ сигналдарын өңдеу сапасын жақсартып, кедергілер деңгейін төмендетіп, жүрек патологияларын анықтауды жақсартады, бұл ауруларды ерте кезеңде анықтауға және диагнозды дәл қоюға мүмкіндік береді. Диагностикалық дәлдік 95%-ға дейін артады деп болжануда, бұл қайта тексерулер қажеттілігін азайтады. Процестерді автоматтандыру медицина қызметкерлерінің уақытын үнемдеп, диагностика процесін жылдамдатады, осылайша медициналық қызметтердің жалпы тиімділігін жақсартады.

Field of application (in Russian) : цифровизация здравоохранения

Field of application (in Kazakh) : денсаулық сақтауды цифрландыру