Форма представления результата

https://yadi.sk/d/_JJmv2HJvZcsiA

Цель:

Разработать алгоритм оценки глубины анестезии на основе анализа одноканальной электроэнцефалограммы, определить корреляцию между расчётными и верифицированными значениями, а также среднеквадратическая и максимальная ошибки.

Критерии оценки:

Критерий

Описание

Оценка

Полнота выполнения кейса

5 - реализован прототип, решающий предложенный кейс. Есть демонстрационные примеры и презентация с описанием метода решения.

4 - реализовано работающее решение. Отсутствует пользовательский интерфейс. Полученные результаты сложны для интерпретации человеку, который не является экспертом в области машинного обучения.

3 - команда в целом разобралась с решением предложенной задачи. Был предложен метод для решения, который не был до конца реализован. Презентация корректно описывает постановку задачи.

2 - команда в целом разобралась с решением предложенной задачи, однако предложенный метод выбран неправильно. Презентация корректно описывает постановку задачи.

1 - команда не разобралась с решением предложенной задачи.

Точность полученного решения

Оценивается относительная точность построенной модели, полученной на тестовой выборке. Определяется средней абсолютной ошибкой в единицах шкалы BIS-индекса.

(0 – ошибка высокая; 5 – минимально возможная ошибка)

Скорость выполнения полученного решения

Оценивается скорость подсчета BIS-индекса при минимальном значении средней абсолютной ошибки

(0 – низкая скорость; 5 – высокая скорость)

Обоснованность выбранного метода

Оценивается обоснование выбора типа сети

(0 –выбор не обоснован; 5 – выбор обоснован)

Презентация результатов

Оценивается умение представить коротко и ясно полученные результаты.

(0 – результаты не представлены; 5 – результаты представлены кратко, понятно, обосновано)

Описание решения и методов, использованных при обучении, описание формата входных данных, обоснование выбора типа НС.

Список литературы

1.Shalbaf R., Behnam H., Sleigh J. W., Steyn-Ross A., Voss L. J. Monitoring the depth of anesthesia using entropy features and an artificial neural network. Journal of Neuroscience Methods. 2013; 218(1):17–24.

2. Tong S, Thakor NV. Quantitative EEG Analysis Methods and Clinical Applications. Norwood: Artech House, 2009. 421 p.

3. Viertiö-ojaH, Maja V, Särkelä M, et al. Description of the Entropy algorithm as applied in the Datex-Ohmeda S/5 Entropy Module. Denmark: Acta Anaesthesiol. Scand., 2004, Vol 48(2). P. 154-161.