|
|
Využití neuronové sítě při detekci poruch srdečního rytmu z EKG dat a signálu akcelerometru
Aleksandrenko, Borys ; Ředina, Richard (oponent) ; Bulková, Veronika (vedoucí práce)
Tato bakalářská práce se věnuje problematice detekce poruch srdečního rytmu ze signálů EKG a akcelerometru s využitím strojového učení. Nejprve byla provedena analýza možností detekce poruch srdečního rytmu z těchto signálů pomocí teoretické rešerše. V další části byla navržena metodika pro detekci dvou poruch rytmu: nepřiměřené sinusové tachykardie a chronotropní inkompetence. Metodika byla dodatečně doplněna adaptivní filtrací EKG signálu pomocí signálu akcelerometru. Ve třeti částí práce byla vytvořena databáze vzorků pro trénování modelů strojového učení navržených v metodice. Další část obsahovala popis a realizaci modelů. V páté části práce byla v programovacím jazyce Python vytvořena aplikace pro detekci poruch srdečního rytmu pomocí navržené metodiky. Nakonec byla provedena diskuze a evaluace výsledků.
|
|
|
Metody hlubokého učení pro segmentaci elektrokardiografických signálů
Hejč, Jakub ; Černý, Martin (oponent) ; Halámek, Josef (oponent) ; Kolářová, Jana (vedoucí práce)
Práce se zabývá metodami hlubokého učení pro segmentaci elektrokardiografických záznamů z povrchového a intrakardiálního snímání se zaměřením na síňovou aktivitu. Teoretická část seznamuje se současnými přístupy segmentace a s problematikou spojenou s využíváním standardních EKG databází pro vývoj hlubokých modelů. V práci byl navržen řetězec metod pro zpracování multimodálních dat z elektrofyziologického vyšetření. Tyto metody byly následně využity pro sestavení trénovacích datových sad. V práci byl navržen hluboký model pro segmentaci intrakardiálních záznamů založený na modifikované architektuře s reziduálním spojením. Byla provedena série experimentů sledující vliv nastavení modelu a předzpracování datové sady na kvalitu segmentace. Jako zásadní činitel se ukázala přítomnost a způsob anotace záznamů s fibrilací síní. Mezi další významné parametry patřilo nastavení penalizační funkce a způsob augmentace trénovacích dat. V práci byla dále navržena nová metoda segmentace P vln využívající neúplné reference. Přístup byl inspirován metodou hlubokého kontrastního učení, která byla modifikována pro odlišení lokálních úseků signálů na různých úrovních abstrakce extrahovaných příznakových map. Výsledky byly analyzovány pomocí standardních metrik kvality a post-hoc vizuální analýzou. V dílčích případech bylo provedeno statistické srovnání experimentů pro různá nastavení. Výsledky práce ukázaly, že je možné využít intrakardiální signály pro zabudování vektorové reprezentace lokální síňové aktivace do hlubokých modelů.
|
|
|
Pokročilá klasifikace poruch srdečního rytmu v EKG
Sláma, Štěpán ; Hejč, Jakub (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato práce se zaměřuje na teoretické objasnění poruch srdečního rytmu a možnosti jejich automatické detekce s využitím sítí hlubokého učení. Pro účely této práce bylo využito celkově 6884 10sekunových záznamů EKG s měřenými osmi svody. Záznamy byly rozděleny do pěti skupin podle srdečních rytmů na skupinu záznamů s fibrilací síní, sinusové rytmy, supraventrikulární rytmy, ventrikulární rytmy a poslední skupinu tvořily záznamy ostatní. Jednotlivé skupiny byly nerovnoměrně zastoupeny a více než 85 % z celkového počtu dat jsou záznamy skupiny sinusového rytmu. Použité klasifikační metody sloužily efektivně jako detektor záznamů nejpočetnější skupiny a nejefektivnější ze všech byl postup tvořený 2D konvoluční neuronovou sítí, do které vstupovala data v podobě skalogramů (klasifikační postup číslo 3). Ta dosahovala výsledků přesnosti (precision) 91 %, úplnosti (recall) 96 % a hodnoty F1-skóre 0,93. Naopak při klasifikaci všech pěti skupin zároveň nebylo dosaženo takto kvalitních výsledků u všech skupin. Nejefektivnějším postupem se jeví varianta sestavena z aplikace PCA na osm vstupních signálů se ziskem jednoho signálu výstupního, který se stává vstupem 1D konvoluční neuronové sítě (klasifikační postup číslo 5). Tento postup dosáhl následujících hodnoty F1-skóre: 1) skupina záznamů s fibrilací síní 0,54, 2) skupina sinusových rytmů 0,91, 3) skupina supraventrikulárních rytmů 0,65, 4) skupina ventrikulárních rytmů 0,68, 5) ostatní záznamy 0,65.
|
|
|
Pokročilá klasifikace poruch srdečního rytmu v EKG
Sláma, Štěpán ; Hejč, Jakub (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato práce se zaměřuje na teoretické objasnění poruch srdečního rytmu a možnosti jejich automatické detekce s využitím sítí hlubokého učení. Pro účely této práce bylo využito celkově 6884 10sekunových záznamů EKG s měřenými osmi svody. Záznamy byly rozděleny do pěti skupin podle srdečních rytmů na skupinu záznamů s fibrilací síní, sinusové rytmy, supraventrikulární rytmy, ventrikulární rytmy a poslední skupinu tvořily záznamy ostatní. Jednotlivé skupiny byly nerovnoměrně zastoupeny a více než 85 % z celkového počtu dat jsou záznamy skupiny sinusového rytmu. Použité klasifikační metody sloužily efektivně jako detektor záznamů nejpočetnější skupiny a nejefektivnější ze všech byl postup tvořený 2D konvoluční neuronovou sítí, do které vstupovala data v podobě skalogramů (klasifikační postup číslo 3). Ta dosahovala výsledků přesnosti (precision) 91 %, úplnosti (recall) 96 % a hodnoty F1-skóre 0,93. Naopak při klasifikaci všech pěti skupin zároveň nebylo dosaženo takto kvalitních výsledků u všech skupin. Nejefektivnějším postupem se jeví varianta sestavena z aplikace PCA na osm vstupních signálů se ziskem jednoho signálu výstupního, který se stává vstupem 1D konvoluční neuronové sítě (klasifikační postup číslo 5). Tento postup dosáhl následujících hodnoty F1-skóre: 1) skupina záznamů s fibrilací síní 0,54, 2) skupina sinusových rytmů 0,91, 3) skupina supraventrikulárních rytmů 0,65, 4) skupina ventrikulárních rytmů 0,68, 5) ostatní záznamy 0,65.
|
|
|
Poruchy srdečního rytmu v přednemocniční neodkladné péči
BUGAJ, Petr
Tato bakalářská práce na téma: "Poruchy srdečního rytmu v přednemocniční neodkladné péči" je rozdělena na dvě části. Teoretickou část a výzkumnou část. Teoretická část je zpočátku věnována obecnému popisu funkční anatomie srdce, převodnímu srdečnímu systému a základům elektrokardiografie. Následně jsou kapitoly rozděleny dle popisu fyziologické EKG křivky a je uvedeno základní rozdělení poruch srdečního rytmu, včetně klinické symptomatologie, odpovídající obrazu patologických srdečních rytmů na EKG a uvedení základních terapeutických postupů. Pro výzkumnou část bakalářské práce byl stanoven cíl: Zmapovat povědomí zdravotnických záchranářů o problematice poruch srdečního rytmu v oblasti přednemocniční neodkladné péče. Na podkladě tohoto cíle byly určeny tři výzkumné otázky. Výzkumná otázka 1 zní: Jak hodnotí zdravotničtí záchranáři úroveň svých znalostí v problematice srdečních arytmií? Výzkumná otázka 2 zní: Jakým způsobem jsou zdravotničtí záchranáři připravování na řešení srdečních arytmií? Výzkumná otázka 3 zní: Jakým způsobem postupují zdravotničtí záchranáři při poruchách srdečního rytmu? K získání potřebných dat byla použita metoda kvalitativního výzkumu formou polostrukturovaných rozhovorů se zdravotnickými záchranáři vykonávajícími svojí profesi na zdravotnické záchranné službě Jihočeského kraje. Participanti odpovídali na 13 otázek a získaná data byla následně rozdělena do 10 kategorií. Výzkumné šetření poukázalo na nedostatky dotazovaných zdravotnických záchranářů v rozpoznávání srdečních arytmií v rámci přednemocniční neodkladné péče. Vzhledem ke správnému určení diagnózy a následné léčby pacientů, především u maligních arytmií, považuji za vhodné více se zaměřit na proškolení a periodická prověřování zdravotnických záchranářů v této problematice.
|
host ::
RSS.