|
|
Shluková analýza signálu EKG
Pospíšil, David ; Kozumplík, Jiří (oponent) ; Klimek, Martin (vedoucí práce)
Tato diplomová práce se zabývá použitím některých metod shlukové analýzy na signál EKG s cílem třídění QRS komplexů podle jejich morfologií na normální a abnormální. Je využito hierarchické aglomerativní shlukování a nehierarchická metoda K – Means, pro něž byla v programovém prostředí Mathworks MATLAB vytvořena aplikace. První část práce se zabývá teorií v oblasti signálu EKG a shlukové analýzy, druhou je pak návrh, realizace a zhodnocení výsledků softwaru pro využití shlukové analýzy na EKG signálu k automatickému třídění QRS komplexů do shluků.
|
|
|
Shluková analýza
Chrobák, Martin ; Ronzhina, Marina (oponent) ; Kozumplík, Jiří (vedoucí práce)
Tato diplomová práce se zabývá použitím metody shlukové analýzy na EKG signál, s cílem oddělit od sebe normální a abnormální QRS komplexy. K tomuto účelu byly v profesionálním výpočetním prostředí MATLAB vytvořeny dva algoritmy. Výstupem této diplomové práce jsou dendrogramy, které rozdělují jednotlivé QRS cykly do dvou shluků na abnormální a normální, a také hodnoty Pearsonových korelačních koeficientů.
|
|
|
Zpracování biosignálů - shluková analýza
Příhodová, Petra ; Maděránková, Denisa (oponent) ; Kolářová, Jana (vedoucí práce)
Tato práce se zabývá problematikou shlukové analýzy a možnostmi jejího využítí při klasifikace biosignálů. V první části práce je popsán princip shlukové analýzy, způsoby výpočtu vzdáleností mezi objekty a základní postup při realizaci shlukování. Pro zpracovávání biologických signálů je nutné se seznámit se základními parametry těchto signálů, popsat proces zpracovávání těchto signálů a metodu optického snímání akčních potenciálů. Na základě prostudování různých metod shlukování je v následující části této práce představen program s aplikovanou metodou kmedoid. Jednotlivé kroky tohoto programu jsou podrobně posány a na závěr je jeho funkčnost ověřena na databázi signálů z ÚBMI.
|
|
|
Dolování dat z databází
Slezák, Milan ; Hynčica, Ondřej (oponent) ; Honzík, Petr (vedoucí práce)
Diplomová práce je zaměřená na představení možností data miningu. Data mining se zabývá odhalováním skrytých vazeb mezi data. Zájem o tuto oblast se datuje do 60. letech 20 století. Analýza dat našla uplatnění nejdříve v marketingu. Ovšem později se rozšířila do více oblastí a její možnosti stále ještě nejsou plně využity. Při analýze procesu je užitečné dodržovat jednu z metodologií, které byly za tímto účelem vypracovány. Metodologie představují struční systematický návod, jakým způsobem je vhodné postupovat. V rámci data miningu se uplatňuje široké množství algoritmů zaměřených na práci s daty. Je samozřejmé, že se zvyšujícím se zájmem o tuto problematiku stoupal i počet vhodných programů, které je možné pro analýzu využít. Přehled programů, zpracované ukázkové příklady a zhodnocení je také součástí této práce.
|
|
|
Klasifikace mikrospánku analýzou EEG
Ronzhina, Marina ; Smital, Lukáš (oponent) ; Čmiel, Vratislav (vedoucí práce)
Tato diplomová práce se zabývá detekcí mikrospánku na základě změn energetického spektra EEG signálu. Vstupními hodnotami pro klasifikaci jsou výsledky časově-frekvenční analýzy. Navržená metoda klasifikace využívá aparát fuzzy logiky. Jsou navřeny 4 klasifikátory, jejichž základem jsou fuzzy inferenční systémy lišící se bázi pravidel. Pro návrh funkce příslušnosti premis pravidel jsou použity výsledky fuzzy shlukování. První dva klasifikátory pro detekci mikrospánku využívají pouze alfa pásmo spektrogramu EEG signálu. Tedy umožňují detekci jen stavu relaxace. Třetí klasifikátor je na rozdíl od předcházejících doplněn pravidly pro delta pásmo, co dává možnost rozlišovat v spektru 3 stavy: mentace, relaxace a somnolence. Čtvrtý klasifikátor má rozhodovací mechanismus zahrnující celé pásmo signálu. Uvažovaný přístup ke klasifikaci mikrospánku je realizován a implementován prostřednictvím programového vybavení počítače. Je vytvořen uživatelský program s grafickým rozhraním.
|
|
|
Možnosti využití metod vícerozměrné statistické analýzy dat při hodnocení spolehlivosti distribučních sítí
Geschwinder, Lukáš ; Skala, Petr (oponent) ; Blažek, Vladimír (vedoucí práce)
Účelem je zhodnotit využití metod vícerozměrné statistické analýzy dat jako pomůcky při simulacích spolehlivosti distribuční sítě. Zvolené metody jsou shluková analýza (CLU) a metody hlavních komponent (PCA). CLU slouží k rozdělení objektů na základě jejich znaků a výpočtu vzdálenosti mezi objekty do skupin, jejichž vlastnosti by měly být podobné. Výstupem je možné odhalit skrytou strukturu v datech. PCA slouží k nalezení struktury ve znacích vícerozměrné matice dat. Znaky zde představují jednotlivé veličiny popisující daný objekt. PCA využívá rozložení původní matice dat na matici strukturní a šumovou. Jedná se o transformaci původní matice dat do nového souřadnicového systému hlavních komponent. Nové souřadnice se nazývají skóre. Hlavní komponenty tvoří ortogonální systém nových souřadnic. Distribuční síť z hlediska spolehlivosti může být charakterizována řadou statistických veličin. Spolehlivostní ukazatele mohou být: počet přerušení, doba přerušení. Integrální ukazatele spolehlivosti mohou být: ukazatel průměrné systémové četnosti přerušení (SAIFI) a ukazatel průměrné systémové doby trvání přerušení (SAIDI). V závěru je porovnání provedené simulace SAIFI podle negativně-binomického rozdělení a poskytnutých hodnot od distribuční společnosti. Je proveden pokus o popis závislostí znaků a rozdělení vývodů.
|
|
|
Analýza AVG signálů
Musil, Václav ; Sekora, Jiří (oponent) ; Rozman, Jiří (vedoucí práce)
Předkládaná diplomová práce se zabývá vybranými metodami analýzy AVG signálů. Cílem této práce je klasifikace těchto signálů a tím přispění k možnostem neinvazivní diagnostiky ischemické choroby dolních končetin. K tomu je využito klasifikace založené na principech vícerozměrné statistické analýzy a na postupech využívajících neuronové sítě. Ke zpracování je použita angiograficky ověřená databáze dat AVG signálů. V závislosti na stupni stenózy, určené digitální subtrakční angiografií, jsou pacienti v tomto souboru roztříděni do tří separovatelných tříd. Na programové klasifikaci do jedné ze tří tříd se podílí 6 parametrů určených z AVG signálů, které byly pořízeny na třech místech měření dolní končetiny. Jako komplexní se jeví přístup k hodnocení choroby ze signálů naměřených na celé dolní končetině. Senzitivita metody shlukové analýzy vzhledem k angiografii se pohybuje v rozmezí 82,75 % až 90,90 %, specificita pak mezi 80,66 % a 88,88 %. Při klasifikaci neuronovými sítěmi jsou hodnoty senzitivity v rozmezí 79,06 % až 96,87 % a hodnoty specificity mezi 73,07 % a 91,30 %.
|
|
|
Učení bez učitele
Kantor, Jan ; Sáblík, Václav (oponent) ; Honzík, Petr (vedoucí práce)
Smyslem této práce bylo popsat některé techniky učení bez učitele, které se běžně používají v procesu shlukové analýzy dat. První část je zaměřena na teoretickou rešerši některých algoritmů, popis výhod a nevýhod každé z diskutovaných metod a validace kvality shlukování. V této části je zmíněna řada způsobů jak odhadnout a spočítat kvalitu shlukování založenou na interní a externí znalosti. Dobrá technika validace kvality shlukování je jedna z nejdůležitějších částí ve shlukové analýze. Druhá část práce se zabývá implementací rozdílných shlukovacích technik a programů na reálných datech a porovnává je se skutečnými rozděleními v souboru dat a publikovanými výsledky.
|
|
|
Shluková analýza v oblasti biosignálů
Kalous, Stanislav ; Archalous, Tomáš (oponent) ; Kolářová, Jana (vedoucí práce)
Diplomová práce se zabývá využitím shlukové analýzy při vyhodnocování dlouhodobých elektrokardiogramů (EKG). Pro předzpracování EKG záznamu byla použita lineární filtrace. Segmentování EKG signálu na jednotlivé srdeční cykly bylo provedeno na základě detekce QRS komplexu a následné aplikaci algoritmů dynamického borcení časové osy. K aplikaci všech uvedených postupů a interpretaci výsledků byl vytvořen v prostředí Matlab program Shluková analýza. Výsledky práce potvrzují, že shluková analýza je schopná rozpoznat srdeční arytmie typické tvarovou odlišností od normálních srdečních cyklů.
|
|
|
Texture analysis of tumor in lung CT data
Šalplachta, J.
The aim of this work is the revelation of the possibility of the use of texture analysis methods to detection and segmentation tumor tissue in patient’s lungs and classification viable areas of tumor tissue. The main assumption includes the possibility that there are differences of textural properties between tumor and surrounding tissues and changes of these features during development and treatment of this disease. The work deals with the creation of vector of texture features which is composed of some methods of texture analysis and then processed by methods of cluster analysis in programming environment Matlab®.
|
host ::
RSS.