|
|
Využívání chytrých hodinek a jejich funkcí k měření zdravotních parametrů
Uher, Vojtěch ; Křivánková, Markéta (vedoucí práce) ; Mahrová, Andrea (oponent)
Název: Využití a preference chytrých hodinek a jejich funkcí k měření zdravotních parametrů u dospělé populace Cíle: Cílem této diplomové práce je analyzovat využití a preference chytrých hodinek u dospělé populace a zkoumat jejich potenciál k měření zdravotních parametrů prostřednictvím dotazníkového šetření. Metody: Výzkum probíhal dotazníkovým šetřením. Byl využit dotazník vlastní konstrukce. Součástí výzkumné části byla i analýza parametrů a funkcí chytrých hodinek. Výsledky: Věkový průměr respondentů, kteří vyplnili dotazník k této diplomové práci, byl 31,2 let. 63 ze 103 probandů pomocí chytrých hodinek sleduje svůj zdravotní stav, přičemž nejčastěji měřeným parametrem je tepová frekvence. Tu sleduje všech 63 respondentů. Nejvyužívanější funkce spojená s pohybovou aktivitou je sledování počtu kroků. Tento údaj zajímá 91 respondentů. Při výběru chytrých hodinek hrají klíčovou roli faktory jako kvalita, přesnost a design. Nejpoužívanější chytré hodinky jsou podle respondentů od výrobců Apple a Garmin. Apple Watch používá 42 % probandů a značku Garmin 26 % probandů. Respondenti často preferují značku Apple kvůli její kompatibilitě s ostatními zařízeními, Garmin zase pro jeho vysokou přesnost. Chytré hodinky také poskytují uživatelům motivaci k pravidelné fyzické aktivitě. To uvedlo 55 probandů...
|
|
|
Pokročilé hodnocení kvality spánku
Benáček, Petr ; Ředina, Richard (oponent) ; Filipenská, Marina (vedoucí práce)
Tato diplomová práce se zabývá hodnocením kvality spánku pomocí moderních metod hlubokého učení. V práci jsou popsány metriky automatické klasifikace spánkových fází. Je zde diskutována vybraná databáze spánkových dat. Vzhledem k nízkému počtu dat ve fázi bdění jsou popsány a provedeny různé způsoby augumentace dat. Základem pro klasifikaci jsou modely založené na 1D konvolučních sítích. Výsledkem jsou připravené modely pro binární klasifikaci a klasifikaci 3 a 4 fází spánku. Nakonec jsou pomocí těchto modelů vypočítány metriky hodnotící kvalitu spánku a výsledky jsou srovnány s literaturou.
|
|
|
Pokročilá klasifikace spánkových fází
Dokoupilová, Daniela ; Novotná, Petra (oponent) ; Filipenská, Marina (vedoucí práce)
Tato diplomová práce se věnuje klasifikaci spánkových fází z chytrých hodinek. Využity byly dva signály, a to tepová frekvence a zrychlení. Pro klasifikaci byl vybrán model TinySleepNet, který je složen z konvoluční a LSTM sítě. Model byl natrénován nejprve pro klasifikaci pěti spánkových fází pouze z tepové frekvence, F1 skóre prvního modelu dosáhlo 49 %. Zrychlení bylo přepočítáno na vektor SVM, na kterém byl natrénován druhý model. Kvůli nedostatku informací ve vektoru SVM byl model natrénován pouze pro binární klasifikaci bdění/spánek a jeho F1 skóre dosáhlo 62,3 %. V posledním modelu byly oba signály zkombinovány. Klasifikace z tepové frekvence a vektoru SVM na pět spánkových fází poté dosáhla F1 skóre 51 %. Vypočtené parametry hodnotící kvalitu spánku byly poté srovnány s daty ohodnocenými spánkovým expertem.
|
|
|
Validace komerčně dostupných chytrých hodinek jako nástroje pro monitorování zdraví/aktivity člověka
Běhunčíková, Vendula ; Janoušek, Oto (oponent) ; Němcová, Andrea (vedoucí práce)
Tato diplomová práce se zabývá tématem monitoringu zdraví a aktivity jedince pomocí chytrých hodinek. Cílem práce bylo nasnímat sadu dat dle protokolu měření s využitím různých typů chytrých hodinek spolu s referenčními daty ze zařízení Faros 180. Naměřená data z celkem devíti chytrých hodinek byla synchronizována a synchronizované průběhy tepové frekvence byly vyhodnoceny pomocí metriky střední absolutní chyby (MAE). Dále byly statisticky zhodnoceny parametry okysličení krve a krevní tlak. V poslední části práce byla zhodnocena kvalita EKG záznamů pořízených chytrými hodinkami a jejich diagnostická využitelnost.
|
|
|
Pokročilé zabezpečení blockchainových transakcí
Tran, Minh ; Člupek, Vlastimil (oponent) ; Dzurenda, Petr (vedoucí práce)
Technologie blockchain, zejména Bitcoin, změnila způsob, jakým přemýšlíme o finančních transakcích a jak je řídíme. S rostoucí poptávkou a používáním technologie blockchain se však bezpečnost kryptoměnových peněženek stala závažnou obavou. Prahové podpisy nabízejí slibné řešení tohoto problému, umožňují více stranám podepsat transakci bez odhalení jejich soukromých klíčů. Tento článek představuje aplikaci pro mobilní Bitcoinovou peněženku pro Android, která používá prahové podpisy založené na Schnorrově podpisu. Aplikace také integruje chytré hodinky pro lepší zabezpečení a použitelnost. Tato integrace poskytuje další vrstvu zabezpečení tím, že vyžaduje fyzické potvrzení od uživatele před schválením jakékoli transakce. Naše implementace poskytuje bezpečnou a efektivní platformu pro správu Bitcoinových aktiv pomocí prahových podpisů a zároveň poskytuje intuitivní a snadno použitelné rozhraní pro interakci s aplikací.
|
|
|
Pokročilé hodnocení kvality spánku
Doležalová, Anna ; Králík, Martin (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato diplomová se zabývá pokročilým hodnocením kvality spánku pomocí hlubokého učení. Jsou zde popsány metriky pro hodnocení spánku a jejich využití. Pro klasifikaci jsou použity data tepové frekvence a akcelerometru pocházejících z chytrých hodinek Apple Watch. Základem pro klasifikaci byl model složený z 1D konvolučních sítí v kombinaci s rekurentní neuronovou sítí. Jako rekurentní sítě byly využity LSTM a GRU. Modely byly naučeny na klasifikaci do dvou, třech a pěti spánkových fází. V poslední řadě byly srovnány vzniklé metody.
|
|
|
Aplikace chytrých hodinek pro podporu sportovního tréninku a závodů
Dohnalík, Pavel ; Bartl, Vojtěch (oponent) ; Herout, Adam (vedoucí práce)
Cílem práce je vytvořit aplikaci na chytré hodinky, která umožní měřit závody a tréninky, případně vytvářet lokalizační podklady pro tuto činnost. Aplikace je implementovaná pro mobilní zařízení s operačním systémem Android a iOS. Pro chytré hodinky je podporován operační systém Wear OS. V práci je popsána teorie programování pro mobilní operační systémy a programování na operační systém Wear OS. V praktické části je popsaný návrh, implementace a testování. Pro implementaci mobilní aplikace jsem zvolil framework Flutter spolu s jazykem Dart. Pro aplikaci na chytré hodinky jsem zvolil framework Flutter spolu s jazykem Dart. Výsledná aplikace umožňuje uživatelům měřit závody a tréninky.
|
|
|
Hodnocení kvality spánku
Dokoupilová, Daniela ; Kozumplík, Jiří (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato bakalářská práce se věnuje klasifikaci spánkových dat naměřených pomocí chytrých hodinek Apple Watch. Z využívaných signálů – tepové frekvence a akcelerometrického záznamu byly pomocí statistického testování vybrány příznaky pro klasifikaci spánkových epoch. Pro klasifikaci byla zvolena metoda podpůrných vektorů. Model byl poté natrénován pro rozpoznávání fáze Wake a Sleep a poté i pro rozpoznávání REM a NREM spánku. Klasifikace dat do dvou fází překročila hranici přesnosti 80 %, klasifikace Wake, REM a NREM spánku poté 58 %. Vypočtené parametry hodnotící kvalitu spánku byly poté srovnány s daty ohodnocenými spánkovým expertem. Model pro klasifikaci bdění a spánku se velmi přiblížil hodnocení experta. Model pro klasifikaci bdění, REM a NREM spánku se nejvíce lišil v parametrech hodnotících bdění.
|
|
|
Pokročilé skórování spánkových dat
Jagošová, Petra ; Novotná, Petra (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato diplomová práce se zabývá pokročilým skórováním spánkových dat, které bylo provedeno pomocí hluboké neuronové sítě. Ke skórování jsou využívána data tepové frekvence a informace o pohybu naměřené pomocí chytrých hodinek Apple Watch. Po vhodném předzpracování sloužila tato data jako vstupní parametry do navržených sítí. Cílem LSTM sítě bylo provést klasifikaci dat buď do dvou skupin na spánek a bdění nebo do tří skupin na bdění, Non-REM a REM. Nejlepších výsledků dosáhla síť provádějící klasifikaci spánek vs. bdění s využitím akcelerometru. Statistické vyhodnocení této nejlepší sítě dosáhlo hodnoty senzitivity 71,06 %, specificity 57,05 %, celkové úspěšnosti (accuracy) 70,01 % a F1 skóre 81,42 %.
|
|
|
Identifikace a verifikace osob pomocí záznamu EKG
Waloszek, Vojtěch ; Smital, Lukáš (oponent) ; Vítek, Martin (vedoucí práce)
V posledních letech je zkoumáno využití EKG pro verifikaci a identifikaci osob v biometrických systémech. V této práci je tato možnost rovněž zkoumána a ověřována na databázi ECG ID z PhysioNetu a také na vlastních záznamech měřených pomocí Apple Watch Series 4. Mnohé existující metody již ověřily možnost použití EKG pro biometrii, ale na záznamech pořízených klinickým EKG přístrojem. Tato práce ověřuje možnost využití záznamů EKG pořízených pomocí nositelných zařízení, konkrétně chytrých hodinek. Ze signálu EKG je extrahováno 16 příznaků, které jsou za použití náhodného lesa jako klasifikátoru využity pro verifikaci a identifikaci. Mezi příznaky patří intervaly mezi význačnými body v signálu EKG, potenciálové rozdíly mezi některými body v signálu a variabilita intervalů PR v rámci záznamu. Průměrné výsledky verifikace 14 osob z vlastní databáze dat jsou TRR 96,19 %, TAR 84,25 %.
|
host ::
RSS.