|
|
Analýza parametrů komorové repolarizace
Abbrent, Jakub ; Novotná, Petra (oponent) ; Hejč, Jakub (vedoucí práce)
Tato bakalářská práce se zabývá analýzou parametrů popisujících repolarizační fázi srdečních komor na experimentálních záznamech EKG. V úvodu teoretické části jsou zahrnuty informace o elektrofyziologii srdce, základním principu EKG a buněčné podstatě vzniku T vlny. Další kapitola se zaměřuje na metody, které se používají pro analýzu komorové repolarizace, především na morfologické parametry zahrnující analýzu hlavních komponent (PCA). Následně je v práci popsána databáze experimentálních signálů EKG získaných z izolovaných králičích srdcí. V praktické části této bakalářské práce jsou implementovány algoritmy morfologických parametrů na experimentální EKG záznamy. Samotná implementace algoritmů je realizována až po počáteční úpravě dat. Poté je provedena analýza vztahu morfologických a hemodynamických parametrů, která je vyhodnocena pomocí statistické analýzy.
|
|
|
Identifikace segmentů supraventrikulárních tachykardií pomocí metody multiple-instance learning
Abbrent, Jakub ; Novotná, Petra (oponent) ; Ronzhina, Marina (vedoucí práce)
Supraventrikulární tachykardie mají v populaci vysokou incidenci a často způsobují zhoršení zdravotního stavu. Cílem této diplomové práce je automaticky detekovat a lokalizovat paroxysmální fibrilace síní v záznamech EKG. Algoritmus implementovaný v jazyce Python používá k detekci konvoluční neuronovou síť ResNet s využitím multi-instančního učení a rozhodovacích pravidel. K lokalizaci slouží výstup detekce v podobě feature signálu. Při klasifikaci bylo na testovací množině dosaženo F1 skóre 0,87. Následně byly lokalizovány paroxysmální fibrilace síní s odchylkou -0,40±2,26 sekund pro začátky a 1,09±2,75 sekund pro konce epizod. V závěru práce jsou získané výsledky vyhodnoceny a diskutovány.
|
|
|
Identifikace segmentů supraventrikulárních tachykardií pomocí metody multiple-instance learning
Abbrent, Jakub ; Novotná, Petra (oponent) ; Ronzhina, Marina (vedoucí práce)
Supraventrikulární tachykardie mají v populaci vysokou incidenci a často způsobují zhoršení zdravotního stavu. Cílem této diplomové práce je automaticky detekovat a lokalizovat paroxysmální fibrilace síní v záznamech EKG. Algoritmus implementovaný v jazyce Python používá k detekci konvoluční neuronovou síť ResNet s využitím multi-instančního učení a rozhodovacích pravidel. K lokalizaci slouží výstup detekce v podobě feature signálu. Při klasifikaci bylo na testovací množině dosaženo F1 skóre 0,87. Následně byly lokalizovány paroxysmální fibrilace síní s odchylkou -0,40±2,26 sekund pro začátky a 1,09±2,75 sekund pro konce epizod. V závěru práce jsou získané výsledky vyhodnoceny a diskutovány.
|
|
|
Analýza parametrů komorové repolarizace
Abbrent, Jakub ; Novotná, Petra (oponent) ; Hejč, Jakub (vedoucí práce)
Tato bakalářská práce se zabývá analýzou parametrů popisujících repolarizační fázi srdečních komor na experimentálních záznamech EKG. V úvodu teoretické části jsou zahrnuty informace o elektrofyziologii srdce, základním principu EKG a buněčné podstatě vzniku T vlny. Další kapitola se zaměřuje na metody, které se používají pro analýzu komorové repolarizace, především na morfologické parametry zahrnující analýzu hlavních komponent (PCA). Následně je v práci popsána databáze experimentálních signálů EKG získaných z izolovaných králičích srdcí. V praktické části této bakalářské práce jsou implementovány algoritmy morfologických parametrů na experimentální EKG záznamy. Samotná implementace algoritmů je realizována až po počáteční úpravě dat. Poté je provedena analýza vztahu morfologických a hemodynamických parametrů, která je vyhodnocena pomocí statistické analýzy.
|
host ::
RSS.