|
| |
|
|
Klasifikace signálů denní aktivity
Rychtárik, Martin ; Vítek, Martin (oponent) ; Smíšek, Radovan (vedoucí práce)
Tématem této bakalářské práce je klasifikace signálů denní aktivity nasnímaných pomocí akcelerometrického senzoru chytrého mobilního telefonu. První část práce se zabývá seznámením s možnostmi záznamu denní aktivity pomocí akcelerometru a následné klasifikace neuronovou sítí. V další části byla na desíti osobách nasnímána data osmi různých denních aktivit. K datům byl v programovacím prostředí MATLAB vytvořen algoritmus obsahující neuronovou síť pro automatické rozpoznání daných aktivit. V poslední části práce byla klasifikace vytvořeným algoritmem porovnána s manuálně zaznamenanou referencí a výsledky byly statisticky vyhodnoceny.
|
|
|
Automatická detekce stresu pomocí non-EEG biologických signálů
Malina, Ondřej ; Kolářová, Jana (oponent) ; Smíšek, Radovan (vedoucí práce)
Tato práce se věnuje problematice detekce stresu za využití non-EEG biosignálů. První část se zabývá vymezením stresu a pojmům s ním souvisejícím. Popisuje možné pohledy na fenomén stresu, zmiňuje možné příčiny stresu, stejně jako fyziologické a psychologické projevy krátkého i dlouhodobého působení stresu. Dále se tato práce zabývá několika různými metodami používaných k detekci stresu pomocí non-EEG signálů. Za tímto účelem jsou v této práci k nalezení krátké rešerše článků, věnující se této tématikou. V poslední kapitole je popsán návrh algoritmu používající fuzzy metodu c-means k detekci stresových hodnot v datech získaných z pěti různých non-EEG signálů.
|
|
|
Detekce paroxysmální fibrilace a flutteru síní
Krmela, Jan ; Němcová, Andrea (oponent) ; Smíšek, Radovan (vedoucí práce)
Tato bakalářská práce se zabývá problematikou fibrilace a flutteru síní, patofyziologií těchto arytmií a jejich automatickou detekcí. Obsahuje teoretický úvod, potřebný k pochopení bazální anatomie srdce, jeho činnosti, vzniku a popisu elektrokardiogramu a kapitolu o srdečních arytmiích. Dále obsahuje rešerši o automatické detekci fibrilace síní. V práci je také popsána databáze, se kterou se pracuje v praktické části. Samotná realizace klasifikace srdečního rytmu a automatické detekce začátků a konců paroxysmálních epizod je provedena v prostředí MATLAB, navrhnutý algoritmus je otestovaný na popisovaných databázích a jsou vyhodnoceny jeho výsledky.
|
|
|
Reprezentace srdečních cyklů pro následnou klasifikaci
Smíšek, Radovan ; Janoušek, Oto (oponent) ; Ronzhina, Marina (vedoucí práce)
Výběr úseku EKG hraje významnou roli při návrhu klasifikátoru srdečních cyklů. Typ vybraných úseků ovlivňuje klasifikaci nejen z hlediska typu a maximálního počtu rozpoznávaných patologických skupin, ale ovlivňuje také složitost klasifikačního modelu, a tudíž nepřímo udává nároky na paměť používané výpočetní techniky a čas potřebný pro klasifikaci. Tato práce je zaměřena právě na porovnání úspěšnosti klasifikace cyklů EKG při různých vstupních úsecích. Byly použity vstupní úseky QRST, RST, ST-T, QRS a T. Signál EKG byl získán z izolovaných králičích srdcí a rozdělen na typy podle maximální výchylky vlny T a změn ST úseku. Signál dále vstupuje do umělé neuronové sítě, kde je klasifikován na předdefinované typy. Byla použita síť s dvaceti čtyřmi neurony ve skryté a jedním neuronem ve výstupní vrstvě. Úspěšnost klasifikace je shrnuta 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 ; Ronzhina, Marina (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.
|
|
|
Filtrace svalového rušení v EKG signálech
Fedorov, Vasilii ; Smíšek, Radovan (oponent) ; Smital, Lukáš (vedoucí práce)
Táto práce byla věnována problematice odstraňování svalového rušení v EKG signálech. Skládá se z teoretické a praktické části. V teoretické částí jsme zaprvé zdůraznili aktualitu snímání a filtraci EKG signálů. Pak jsme se seznámili se vznikem EKG, jeho vlastnostmi, a typy rušení, běžně se v něm vyskytujících. Dále byly prodiskutovány známé metody filtrace EMG rušení pomoci lineárních a nelineárních technik. Po seznámení s vlnkovou transformaci a možnostmi její využití byla realizována praktická část v prostředí MATLAB 2020b®. Byl navržen wienerovský vlnkový filtr, který byl doplněn o práh adaptivní funkci. Parametry modelu byly zoptimalizovány metodou řešení hrubou sílou v zredukovaném rozsahu. Vyhodnocení filtru proběhlo na CSE databázi, kde výsledky byli porovnány s autory jiných metod. Filtr v důsledků vykazuje dobré filtrační schopnosti a stabilitu.
|
|
|
Odstranění stimulačních hrotů ze signálu elektrokardiografu
Smíšek, Radovan ; Plešinger,, Filip (oponent) ; Postránecká, Tereza (vedoucí práce)
Cílem této práce je detekce stimulačních hrotů v záznamu ultra vysokofrekvenčního EKG za účelem následného odstranění stimulačních hrotů a umožnění vyhodnocení vyšších frekvenčních složek komplexu QRS. Toto vyhodnocení je nemožné při přítomnosti stimulačních hrotů. Zvolený problém je vyřešen pomocí heuristického algoritmu, který využívá proložení signálu přímkou v oblasti, která není ovlivněna stimulačním impulzem. Následně dochází k prodloužení této přímky a pomocí rozdílů mezi přímkou a signálem, případně pomocí dalších pravidel, jsou detekovány okraje stimulačního hrotu. Samotný vrchol hrotu je detekován prahováním obálky první diference originálního signálu. V práci jsou testovány i další algoritmy. Je zde též navrženo několik metod odstranění stimulačního hrotu. Práce zmiňuje i tvorbu obálek vysokofrekvenčních složek, na základě jejichž analýzy jsou porovnány navržené metody odstranění stimulačních hrotů a dále je také vyhodnocena úspěšnost detekce.
|
host ::
RSS.