Národní úložiště šedé literatury Nalezeno 3 záznamů.  Hledání trvalo 0.01 vteřin. 
Identifikace spánkových poruch z dat aktigrafie a spánkových deníků
Molík, Miroslav ; Mekyska, Jiří (oponent) ; Mikulec, Marek (vedoucí práce)
Tato diplomová práce se zabývá predikcí Parkinsonovy choroby pomocí spánkových parametrů získaných z aktigrafie a spánkových deníků. Cílem je navrhnout model strojového učení, který bude schopen poznat pacienty trpící Parkinsonovou chorobou. K trénování byla použita datová množina dodaná Fakultní nemocnicí u sv. Anny, která byla za dosažením lepších výsledků různě upravována. Následně byly tyto úpravy podle výsledků modelů zhodnoceny a na jejich bázi byly vybrány dva modely, které dosahují testovací přesnosti 85 a 82%.
Identifikace spánkových poruch z dat aktigrafie a spánkových deníků
Molík, Miroslav ; Mekyska, Jiří (oponent) ; Mikulec, Marek (vedoucí práce)
Tato diplomová práce se zabývá predikcí Parkinsonovy choroby pomocí spánkových parametrů získaných z aktigrafie a spánkových deníků. Cílem je navrhnout model strojového učení, který bude schopen poznat pacienty trpící Parkinsonovou chorobou. K trénování byla použita datová množina dodaná Fakultní nemocnicí u sv. Anny, která byla za dosažením lepších výsledků různě upravována. Následně byly tyto úpravy podle výsledků modelů zhodnoceny a na jejich bázi byly vybrány dva modely, které dosahují testovací přesnosti 85 a 82%.
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.

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.