Název:
Klasifikace spánkových stádií
Překlad názvu:
Sleep stages classification
Autoři:
Nováková, Kateřina ; Ronzhina, Marina (oponent) ; Potočňák, Tomáš (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2016
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstrakt: [cze][eng]
Předložená práce se zabývá základním popisem polysomnografického měření, morfologií spánku a jeho stádii. Dále jsou zde uvedeny vybrané metody zpracování elektroencefalografických signálů. Techniky zpracování jsou zejména zaměřeny na klasifikaci spánkových stádií. Praktická část práce se zabývá realizací tří metod klasifikace s využitím umělých neuronových sítí a ověřením funkčnosti těchto metod. Všechny algoritmy jsou zpracovány v prostředí programu Matlab. Příznakové vektory jsou získány pomocí výpočtu energií, Welchovy spektrální analýzy a Hilbert-Huangovy transformace. Pro klasifikaci jsou zde využity tři typy umělých neuronových sítí - rekurentní neuronová síť, dopředná síť a síť pro klasifikaci vzorů. Na základě příznakových vektorů je spánek klasifikován do stádií bdělost (W), spánek bez výskytu rychlých očních pohybů (NREM) a spánek s výskytem rychlých očních pohybů (REM).
This work deals with the basic description of polysomnography, sleep morphology and sleep stages. Furtherly, some methods to process electroencephalographic signals are mentioned. Those processing methods are mainly focused on sleep stage classification. The practical part deals with the realization of three classification algorithms using artificial neural networks and verifying the functionality of these methods. All algorithms are designed in Matlab. Feature vectors for individual methods are obtained using energy values, Welch's spectral analysis and Hilbert-Huang Transform. For classification three types of artificial neural networks were used - layer recurrent network, feedforward network and pattern recognition network. On the basis of feature vectors, the sleep is divided into three stages - wakefulness (W), sleep without rapid eye movements (NREM) and sleep with rapid eye movements (REM).
Klíčová slova:
AAN; EEG; elektroencefalogram; klasifikace; Polysomnografie; PSG; spánková stádia; spánkové EEG; umělá neuronová síť; AAN; artificial neural network; classification; EEG; electroencephalogram; Polysomnography; PSG; sleep EEG; sleep stages
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/61634