|
|
Mobilní aplikace pro psychodiagnostiku předškolních dětí
Guryča, Ondřej ; Smíšek, Radovan (oponent) ; Škutková, Helena (vedoucí práce)
Tato bakalářská práce je zaměřena na možnost psychodiagnostiky předškolních dětí pomocí aplikace v chytrém telefonu. V práci je pojednáno o principu psychodiagnostiky a jejím rozdílném přístupu u dětské psychodiagnostiky, dále jsou zde uvedeny používané psychodiagnostické testy. V další části je představena realizace aplikace pro operační systém Android s vybranými testy. Nakonec je vysvětlen způsob vyhodnocení dat a doporučení používání aplikace.
|
|
|
Automatická detekce blokády levého Tawarova raménka dle striktních kritérií
Němčáková, Jesika ; Ronzhina, Marina (oponent) ; Smíšek, Radovan (vedoucí práce)
Cílem této práce je seznámit se s teorií elektrofyziologie srdce a s patologií levého Tawarova raménka. Dále jsou navrženy a realizovány algoritmy pro automatickou detekci blokády levého Tawarova raménka (LBBB) dle striktních kritérií. Výsledné algoritmy jsou testovány na datech z databáze THEW v prostředí Matlab. Závěrečná část bakalářské práce je věnována zhodnocení úspěšnosti jednotlivých algoritmů a srovnání dosažených výsledků na trénovacích datech s daty testovacími.
|
|
|
Rozpoznání dopravních prostředků pomocí signálů snímaných chytrým telefonem
Nevěčná, Leona ; Vítek, Martin (oponent) ; Smíšek, Radovan (vedoucí práce)
Díky vývoji v poslední době přibývá miniaturizovaných senzorů umísťovaných do chytrých telefonů jako jsou akcelerometr, gyroskop, magnetometr, přijímač souřadnic globálního pozičního systému (GPS), mikrofon a dalších. Použití těchto senzorů k rozpoznávání lidské aktivity, za účelem zlepšení péče o zdraví je stále více aktuálním tématem. Výhodou použití chytrého telefonu k sledování aktivity osob je, že se jedná o přístroj, který u sebe měřená osoba má a nejsou s měřením žádné dodatečné náklady, nevýhodou je omezená paměť i kapacita baterie. Proto byly vybrány pouze senzory akcelerometr, gyroskop, magnetometr a mikrofon, jejichž kombinací je dosaženo nejlepšího výsledku. Senzor GPS nebyl použit pro svou energetickou náročnost a hlavně nespolehlivost vzorkování. Z naměřených dat byly vypočítány příznaky, které byly použity pro tvorbu klasifikačního modelu. Nejvyšší úspěšnosti bylo dosaženo metodou strojového učení zvanou náhodný les (angl. Random Forest). Hlavním cílem práce je vytvořit algoritmus pro rozpoznání dopravních prostředků ze signálů naměřených chytrým telefonem. Vytvořený algoritmus zvládá rozpoznání chůze a jízdy autem, autobusem, tramvají, vlakem a na kole s úspěšností 97,4 % při validaci na 20 % pozdržených dat. Při testování na sadě dat od desátého dobrovolníka byla výsledná úspěšnost vypočítaná jako průměr úspěšností rozpoznání jednotlivých druhů přepravy 90,49 %.
|
|
|
Comparison of heart activity sensing devices
Babicová, Martina ; Smital, Lukáš (oponent) ; Smíšek, Radovan (vedoucí práce)
The goal of this work is comparison of heart activity sensing devices. However, an ECG record cannot be evaluated with the presence of muscle interference. Removing this noise is one of the needs for device success. The theoretical part represents electrophysiology of the heart, electrocardiography, various interferences types, theoretical basis for recording of biosignals including used devices and methods signal quality estimation. The practical part is SNR (signal-to-noise ratio) calculation. The Wavelet filter and Wiener filter-based wavelet domain are used to separate the useful and noise component.
|
|
| |
|
|
Anotace kvality záznamů EKG
Waloszek, Vojtěch ; Smíšek, Radovan (oponent) ; Vítek, Martin (vedoucí práce)
Tato práce shrnuje základní informace o elektrofyziologii srdce a elektrokardiografii, uvádí přehled několika metod pro anotaci kvality záznamů EKG a navrhuje vlastní metodu pro anotaci kvality záznamů EKG. Realizuje výpočet příznaků - ukazatelů kvality signálu i samotné anotace kvality. Testuje správnost reakce příznaků na události v signálu, jejichž přítomnost mají příznaky reflektovat, i správnost anotací kvality.
|
|
|
Automatická detekce stresu pomocí biologických signálů
Votýpka, Tomáš ; Kozumplík, Jiří (oponent) ; Smíšek, Radovan (vedoucí práce)
Bakalářská práce je zaměřena na detekci stresu. Tato práce definuje pojem stres, analyzuje vhodné biologické signály k detekci stresu, představuje databáze biologických signálů, které byly využity pro detekci stresu a zmiňuje metody automatické detekce stresu. Následně byl v programovém prostředí MATLAB implementovaný program detekující stres. Pro realizaci programu byla využita volně dostupná databáze non-EEG signálů. Modely klasifikující stres, byly vytvořeny pomocí 4 metod strojového učení pro binární klasifikaci a 3 metod strojového učení pro klasifikaci 4 psychických stavů. Úspěšnosti klasifikačních úloh jsou shrnuty v závěru práce.
|
|
|
Odhad kvality signálů EKG
Pospíšil, Jan ; Smíšek, Radovan (oponent) ; Smital, Lukáš (vedoucí práce)
Tato bakalářská práce se bude zabývat problematikou odhadu kvality signálů EKG, která je klíčovým parametrem pro stanovení diagnózy. Teoretická část se zabývá základními poznatky ohledně fyziologie srdce, elektrokardiografie a nakonec o typech rušení, které mohou během měření nastat. Následující praktická část se bude zabývat publikovanými metodami a vlastním návrhem metody pro odhad kvality signálu a jejich testování na umělých a reálných datech.
|
|
|
Detekce začátku a konce komplexu QRS s využitím hlubokého učení
Malina, Ondřej ; Hejč, Jakub (oponent) ; Smíšek, Radovan (vedoucí práce)
Tato práce se zabývá problematikou automatického měření doby trvání QRS komplexů v EKG signálech. Zvláštní důraz je zde pak kladen na možnosti automatické detekce komplexů QRS při současném buzení srdeční tkáně kardiostimulátorem. Obsah této práce je řazen do čtyř logických celků, kdy se v první části věnuje srdci jako orgánu. Popisuje vznik a šíření vzruchu v srdci, jeho možné patologie a jejich projevy v EKG záznamu, dále se zde věnuje kardiostimulaci a měření EKG záznamu při současné kardiostimulaci. Druhá část práce obsahuje stručný úvod do tématu strojového a hlubokého učení. Třetí část práce obsahuje rešerše aktuálních přístupů využívající k řešení detekce QRSd metody založené na hlubokém učení. Čtvrtá část se pak zabývá návrhem a implementací vlastního modelu hlubokého učení, schopného detekovat začátky a konce QRS komplexů z EKG záznamů. Je zde popsáno předzpracovaní dat realizované v programovacím prostředí MATLAB. Samotná implementace modelu byla uskutečněna v programovacím jazyce Python za využití modulů PyTorch a NumPy.
|
|
| |
host ::
RSS.