Conference proceedings

APPLICATION OF NEUROET NETWORK TECHNOLOGY FOR NOISE 
SPECTROSCOPY OF ELECTROCARDIOGRAM
 
Azerbaijan State Oil and Industry University, Azadlig 20, Baku, Azerbaijan 
[e-mail]
Abstract
: The neural network is one of the special cases of image recognition methods, the method 
of discriminant analysis, and clustering methods. Neural networks are not programmed, but they are trained. This is one of the main 
advantages of neural networks over traditional algorithms. The most famous application is classification tasks. We used neural networks 
to classify diseases in medicine. The most difficult problem is the definition of input parameters. With enough input, this can take a 
long time to learn. 
As for the literature, there are a lot of them, of which, as classical ones, it can be noted-C. Khaikin-neural networks (full 
course), Callan-basic concepts of neural networks, Osovski-neural networks for information processing, etc. 
Keywords
: noise, spectroscopy, parametrization, diagnostic indices, chaotic signal, autocorrelation function, power spectrum, neural 
network. 
Overview 
As a method of nonlinear dynamics, which makes it possible to extract a prisoner in the signals produced by the 
human body, the method of noise spectroscopy is considered. New possibilities of noise spectroscopy in the recognition 
of specific features of biomedical signals are due to the introduction of information parameters. 
These parameters, which characterize the components of the signals under study at different frequency ranges, 
are necessary for the calculation of diagnostic indices. Automation of the process of diagnosing the functional state of the 
cardiovascular system is proposed to be realized with the help of artificial neural networks. 
Conclusions 
An analysis of the experimental data shows that the modular structure of the neural network construction is the 
most effective in detecting pathologies and arrhythmias of the heart. Therefore, it was chosen as the basis for constructing 
a neural network block for the hardware-software complex of the EKS analysis. 
The results of testing and approbation of the modular structure of INS showed a higher reliability of 
cardiocomplex separation into classes "norm" and "pathology" in comparison with the device "Cardiovisor-6C" known 
and used in practical public health. In particular, the modular INS provided sensitivity by 5%, and specificity - by 26% 
higher than "Cardiovisor-6C". 
The presentation of electrocardiographic signals in the form of successive irregularities allows us to use the 
method of noise spectroscopy when analyzing such signals. 
A chaotic signal, represented by a time series in the case of noise spectroscopy, makes it possible to parametrize 
these signals and determine informative diagnostic indices characterizing the functional state of the cardiovascular 
system. The set of informative parameters, as well as the frequency of signal sampling, which determines the dynamics 
of changes in these parameters, makes it possible to classify heart diseases with the help of a neural network. 
Aynur J.Jabiyeva 

---