В работе рассматривается задача многоклассовой классификации сердечных ритмов по записям ЭКГ с акцентом на интерпретируемость решений. Предложена гибридная модель – ансамбль нейронной сети для временных рядов и метода машинного обучения для рассчитанных статистических признаков. Архитектура нейросети основана на сегментной обработке сигнала подсетями CNN-Transformer, которая позволяет формировать независимые предсказания и оценивать важность каждого фрагмента через механизм внимания. XGBoost для табличных признаков позволяет получить объяснение на уровне клинических показателей. Предложенный подход повышает чувствительность к редким патологиям и обеспечивает точность классификации не менее 85%.

Васильева Д.М. (науч. рук. Русак А.В.) Разработка интерпретируемой нейросетевой модели для классификации ритмов сердца на основе мультимодальных данных // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2026]. URL: https://kmu.itmo.ru/digests/article/16475