|
|
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.
|
|
|
Extrakce a klasifikace síňové aktivity z intrakardiálních elektrogramů
Martinů, Žaneta ; Novotná, Petra (oponent) ; Hejč, Jakub (vedoucí práce)
Cílem této práce je seznámit čtenáře s arytmogenezí supraventrikulárních tachykardií zaměřenou na projevy v intrakardiálních záznamech. Dále semestrální práce pojednává o základních metodách analýzy elektrokardiografických signálů. Praktická část obsahuje extrakci síňové aktivity a klasifikaci síňového rytmu s možností implementace těchto metod v prostředí MATLAB. Z vhodně předzpracovaných dat je extrahována síňová aktivita. Na extrakci síňové aktivity navazuje klasifikace síňového rytmu pomocí metody K–means.
|
|
| |
|
|
Optimization of wavelet transform in the task of intracardiac ECG segmentation
Ředina, R.
My work deals with the selection of an appropriate wavelet transform setting for feature extraction from intracardiac ECG recordings. The studied signals were obtained during electrophysiological examinations at the Department of Pediatric Medicine, University Hospital Brno. In this paper, several wavelets are tested for feature extraction which is followed by adaptive thresholding to detect atrial activity from the extracted features. The procedure is evaluated using the F-score. Although the presented procedure does not appear to be overall effective for intracardiac signal segmentation, it certainly does not reject the use of wavelet transforms in combination with advanced machine learning, neural network, or deep learning techniques.
|
|
|
Extrakce a klasifikace síňové aktivity z intrakardiálních elektrogramů
Martinů, Žaneta ; Novotná, Petra (oponent) ; Hejč, Jakub (vedoucí práce)
Cílem této práce je seznámit čtenáře s arytmogenezí supraventrikulárních tachykardií zaměřenou na projevy v intrakardiálních záznamech. Dále semestrální práce pojednává o základních metodách analýzy elektrokardiografických signálů. Praktická část obsahuje extrakci síňové aktivity a klasifikaci síňového rytmu s možností implementace těchto metod v prostředí MATLAB. Z vhodně předzpracovaných dat je extrahována síňová aktivita. Na extrakci síňové aktivity navazuje klasifikace síňového rytmu pomocí metody K–means.
|
|
| |
host ::
RSS.