|
|
Detekce spánkové apnoe z EKG signálu
Trnková, Simona ; Smital, Lukáš (oponent) ; Králík, Martin (vedoucí práce)
Cílem této práce bylo navrhnout algoritmus pro detekci spánkové apnoe z dechové křivky, které byla extrahována z EKG signálu. V práci je obsažena teorie spánkové medicíny, metody pro extrakci dechové křivky z EKG signálu a metody detekce apnoických úseků. V praktické části jsou popsány a vyhodnoceny algoritmus pro odhad dechové křivky a modely klasifikující apnoické úseky.
|
|
|
Porucha chování v REM spánku:Charakteristika polysomnografických a behaviorálních projevů.
Nepožitek, Jiří ; Šonka, Karel (vedoucí práce) ; Bušková, Jitka (oponent) ; Marusič, Petr (oponent)
Disertační práce MUDr. Jiří Nepožitek Porucha chování v REM spánku: Charakteristika polysomnografických a behaviorálních projevů Abstrakt Porucha chování v REM spánku (RBD) je onemocnění charakterizované abnormální motorickou aktivitou odpovídající obsahu snu. Porucha svalové atonie v REM spánku (RWA) a behaviorální projevy jsou hlavními příznaky registrovatelnými video-polysomnografií (PSG). Protože idiopatická RBD (iRBD) je považována za prodromální fázi synukleinopatií, je dnes v popředí výzkumu hledání markerů časné konverze. Cílem práce bylo sledovat skupinu nemocných s iRBD s ohledem na vývoj do manifestní neurodegenerativní nemoci, najít a otestovat nový polysomnografický marker fenokonverze, provést analýzu pohybů z videozáznamu a kvantifikovat excesivní fragmentární myoklonus (EFM), který je častým nálezem u neurodegenerativních procesů. Celkem 55 pacientů s iRBD bylo sledováno po dobu 2,3±0,7 let. Roční míra konverze do manifestní synukleinopatie činila 5,5%. Jako nový marker fenokonverze byla navržena smíšená RWA reprezentující současný výskyt tonické a fázické RWA. Zkonvertovaní pacienti vykazovali vyšší smíšenou RWA (p=0,009) a ROC analýza potvrdila, že smíšená RWA je mezi ostatními typy RWA nejlepším prediktivním markerem konverze (AUC 0,778). Podle videozáznamu z PSG bylo identifikováno...
|
|
|
Identification Of Sleep/Wake Stages In Actigraphy Data Utilising Gradient Boosting Algorithm
Mikulec, Marek
Sleep disorders are early markers of various serious diseases that can be treated moreeffectively when diagnosed in their prodromal stage. Actigraphy is a noninvasive sleep monitoringmethod for the detection of sleep patterns and determination of sleep parameters that could support thediagnosis of these disorders. This study aims to compare a newly proposed actigraphy-based methodof sleep/wake detection with a conventional one in terms of consistency with a polysomnography(PSG) reference. 55 recordings (acquired in 28 subjects) of actigraphy and PSG were modelled by aheuristics-based method and by a new approach utilising a gradient boosting algorithm. In addition,another database (22 subjects, 150 recordings) was used to compare scores of the new method withdata reported in sleep diaries. The proposed method achieves 89% accuracy and Mathews correlationcoefficient equal to 0.75 when compared to the polysomnography reference. Such results outperformthe ones provided by the heuristic technique. The newly proposed method has good consistency withthe PSG reference, thus being a good alternative to the golden standard in sleep disorders assessment,especially in decentralised clinical trials.
|
|
|
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 %.
|
|
| |
|
|
Porucha chování v REM spánku:Charakteristika polysomnografických a behaviorálních projevů.
Nepožitek, Jiří ; Šonka, Karel (vedoucí práce) ; Bušková, Jitka (oponent) ; Marusič, Petr (oponent)
Disertační práce MUDr. Jiří Nepožitek Porucha chování v REM spánku: Charakteristika polysomnografických a behaviorálních projevů Abstrakt Porucha chování v REM spánku (RBD) je onemocnění charakterizované abnormální motorickou aktivitou odpovídající obsahu snu. Porucha svalové atonie v REM spánku (RWA) a behaviorální projevy jsou hlavními příznaky registrovatelnými video-polysomnografií (PSG). Protože idiopatická RBD (iRBD) je považována za prodromální fázi synukleinopatií, je dnes v popředí výzkumu hledání markerů časné konverze. Cílem práce bylo sledovat skupinu nemocných s iRBD s ohledem na vývoj do manifestní neurodegenerativní nemoci, najít a otestovat nový polysomnografický marker fenokonverze, provést analýzu pohybů z videozáznamu a kvantifikovat excesivní fragmentární myoklonus (EFM), který je častým nálezem u neurodegenerativních procesů. Celkem 55 pacientů s iRBD bylo sledováno po dobu 2,3±0,7 let. Roční míra konverze do manifestní synukleinopatie činila 5,5%. Jako nový marker fenokonverze byla navržena smíšená RWA reprezentující současný výskyt tonické a fázické RWA. Zkonvertovaní pacienti vykazovali vyšší smíšenou RWA (p=0,009) a ROC analýza potvrdila, že smíšená RWA je mezi ostatními typy RWA nejlepším prediktivním markerem konverze (AUC 0,778). Podle videozáznamu z PSG bylo identifikováno...
|
|
|
Analýza polysomnografických dat
Jagošová, Petra ; Králík, Martin (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato bakalářská práce se zabývá analýzou polysomnografických signálů, která je založena na analýze parametrů v časové a frekvenční oblasti. Parametry jsou počítány z 30s úseků EEG, EOG a EMG signálů snímaných v průběhu různých spánkových fází. Pomocí vizuální analýzy krabicových grafů, statistické analýzy a následného post-hoc testu jsou vybrány parametry, které jsou vhodné pro následnou detekci spánkových fází. Vybranými parametry v časové oblasti byly pro EOG signály: mobilita, koeficient šikmosti a špičatosti. Pro EEG signály se jednalo o tyto parametry: aktivita, 75. percentil, koeficient špičatosti a mobilita. U EMG signálu to byly 75. percentil a složitost. Z frekvenční oblasti se jednalo o relativní výkonové spektrum frekvenčních pásem alfa, delta a beta.
|
|
|
Sleep scoring using artificial neural networks
Vašíčková, Zuzana ; Mézl, Martin (oponent) ; Králík, Martin (vedoucí práce)
The main objective of the thesis is to create an artificial neural network for sleep-staging. Firstly, information about sleep and sleep stages is summarized. However, more profound overview of signal processing methods and methods of classification is found in next chapters. After summarizing the theoretical knowledge necessary to carry out practical part of thesis, signal features were extracted according to the theoretical proposal and using statistical analysis, convenient features were used as in input for artificial neural network, able to classify the sleep data into sleep stages after the learning stage.
|
|
|
Detekce obstrukční spánkové apnoe z polysomnografických záznamů
Smrčková, Markéta ; Mézl, Martin (oponent) ; Králík, Martin (vedoucí práce)
Tato práce za zabývá nalezením alternativní metody pro automatickou detekci spánkové apnoe z polysomnografických dat. První část práce je zaměřena především na anatomii plic a fyziologii dýchání, spánku a krevního oběhu. Druhá část se věnuje postupu vyšetření spánku, popisu jednotlivých komponent polysomnografických záznamů a možnostem detekce spánkové apnoe v praxi. Třetí část se zabývá návrhem konkrétní metody pro detekci spánkové apnoe, aplikací na reálná data a vyhodnocením výsledků.
|
|
|
Klasifikace spánkových fází
Lacinová, Michaela ; Smital, Lukáš (oponent) ; Králík, Martin (vedoucí práce)
Tato bakalářská práce se zabývá v první části rozborem polysomnografie a způsoby jejího měření při elektroencefalografii, elektrookulografii a elektromyografii. Součástí rozboru jsou fáze spánku dle doporučení AASM. Polysomnografická data jsou dále analyzována v časových a frekvenčních oblastech, které jsou jednotlivě vyhodnoceny. Ve druhé části jsou data klasifikována do jednotlivých tříd pomocí rozhodovacích stromů a metody k-nejbližších sousedů v programovém prostředí MATLAB. Následně jsou tato data zhodnocena a srovnána s dostupnou literaturou.
|
host ::
RSS.