|
|
Třídění EKG cyklů pomoci shlukové analýzy
Němečková, Karolína ; Kozumplík, Jiří (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato bakalářská práce se zabývá aplikací shlukové analýzy na různé záznamy EKG s cílem rozpoznat jednotlivé patologie se zaměřením na detekci komorových a síňových extrasystol. Práce je založena na korelaci signálů a následné identifikaci patologií pomocí základních charakteristik jednotlivých rytmů. Metoda byla vyhodnocena na testovacích datech a dosáhla TPR 73.40 %, FPR 91.00 %, PPV 29.00 %, ACC 90.00 %, F1 41.40 % pro detekci PAC a TPR 76.50 %, FPR 94.20 %, PPV 45.90 %, ACC 93.10 %, F1 57.40 % pro detekci PVC. Nízké hodnoty F1 a PPV jsou způsobeny vysokým počtem falešně pozitivních detekcí vyskytujících se hlavně v zašuměných EKG záznamech a záznamech s přítomností atriální fibrilace.
|
|
|
Detekce vybraných typů srdečních arytmií v EKG
Němečková, Karolína ; Ředina, Richard (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato práce se zabývá klasifikací EKG záznamů se zaměřením na hůře klasifikovatelné arytmie (flutter síní, atriventrikulární blokáda II. a III. stupně). V teoretické části je uvedena literární rešerše v oblasti metod hlubokého učení, které byly využity pro klasifikaci EKG záznamů, se zaměřením na konvoluční neuronové sítě. Dále je popsána použitá databáze EKG záznamů se stručným popisem detekovaných arytmií. Praktická část provádí implementaci navržených konvolučních neuronových sítí v prostředí Python. Hodnocení kvality klasifikátorů proběhlo pomocí vybraných metrik se zaměřením na F1 skóre. Výsledky jsou na konci práce diskutovány.
|
|
|
Detekce vybraných typů srdečních arytmií v EKG
Němečková, Karolína ; Ředina, Richard (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato práce se zabývá klasifikací EKG záznamů se zaměřením na hůře klasifikovatelné arytmie (flutter síní, atriventrikulární blokáda II. a III. stupně). V teoretické části je uvedena literární rešerše v oblasti metod hlubokého učení, které byly využity pro klasifikaci EKG záznamů, se zaměřením na konvoluční neuronové sítě. Dále je popsána použitá databáze EKG záznamů se stručným popisem detekovaných arytmií. Praktická část provádí implementaci navržených konvolučních neuronových sítí v prostředí Python. Hodnocení kvality klasifikátorů proběhlo pomocí vybraných metrik se zaměřením na F1 skóre. Výsledky jsou na konci práce diskutovány.
|
|
|
Clustering Of Ecg Cycles
Němečková, Karolína
The paper deals with application of cluster analysis to different ECG records in order to identify particular cardiac pathologies. The work is mainly focused on the detection of premature atrial and premature ventricular beats. Presented approach is based on the signal correlation and further beat type identification and beats clustering via specific ECG features and detection rules, including fuzzy expert rules. By evaluation the method on test data, we obtained Se 76,0 %, Sp 90,2 %, F1 43,8 %, Acc 89,5 %, and PPV 31,1 %. Pure F1 and PPV is due to high number of false positive detections mainly in noisy ECG or ECG with manifested atrial fibrillation.
|
|
|
Třídění EKG cyklů pomoci shlukové analýzy
Němečková, Karolína ; Kozumplík, Jiří (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato bakalářská práce se zabývá aplikací shlukové analýzy na různé záznamy EKG s cílem rozpoznat jednotlivé patologie se zaměřením na detekci komorových a síňových extrasystol. Práce je založena na korelaci signálů a následné identifikaci patologií pomocí základních charakteristik jednotlivých rytmů. Metoda byla vyhodnocena na testovacích datech a dosáhla TPR 73.40 %, FPR 91.00 %, PPV 29.00 %, ACC 90.00 %, F1 41.40 % pro detekci PAC a TPR 76.50 %, FPR 94.20 %, PPV 45.90 %, ACC 93.10 %, F1 57.40 % pro detekci PVC. Nízké hodnoty F1 a PPV jsou způsobeny vysokým počtem falešně pozitivních detekcí vyskytujících se hlavně v zašuměných EKG záznamech a záznamech s přítomností atriální fibrilace.
|
|
|
Možnosti využití Teambuildingu
Němečková, Karolína ; Vinšová, Tereza (vedoucí práce) ; Pavlis, Jan (oponent)
Cílem práce je zjistit stav využívání teambuildingu ve vybraných organizacích a následně tento stav zhodnotit a případně doporučit možná zlepšení. K získání dat poslouží vlastnoručně vytvořené dotazníky. Zdrojem dat jsou tedy odpovědi zaměstnanců, pro které je teambuilding určen, ale i zaměstnavatelů, popř. vedení organizace. Záměrem práce je zjištění, zda je teambuilding v dané organizaci plně účinný, zda je dobře využíván a přináší výsledky, a v neposlední řadě, zda jsou zaměstnanci, ale i vedení, spokojení s teambuildingem.
|
|
|
Příčiny špatných studijních výsledků v předmětu 6MI211 -- Analýza dat
Němečková, Karolína ; Komárková, Lenka (vedoucí práce) ; Voráček, Jan (oponent)
Cílem práce je statisticky zpracovat data týkající se neúspěchu prezenčních studentů v předmětu Analýza dat a vhodně interpretovat získané výsledky. Zdrojem k naší bakalářské práci jsou studijní výsledky Analýzy dat a Matematiky pro ekonomy ze zimního semestru akademického roku 2006/2007 a 2007/2008 a především vlastnoručně vytvořený dotazník. Povaha sesbíraných dat vede na analýzu kvalitativních proměnných. Nejprve jsou popisovány data jednorozměrná, a to pomocí tabulek relativních a absolutních četností pro jednotlivé proměnné. Dále je pracováno s vybranými dvojicemi proměnných, tedy daty dvourozměrnými, která jsou zpracována ve formě kontingenčních tabulek a tyto tabulky jsou následně dále analyzovány. V práci jsou mimo jiné použity i testy nezávislosti a homogenity. Pro lepší pochopení a grafické znázornění jsou k tabulkám a testům použity grafy. Od naší bakalářské práce očekáváme, že zjistíme názory studentů o tomto předmětu a přijdeme na to, proč všem dělá takové problémy.
|
host ::
RSS.