Original title:
Automatická klasifikace spánkových fází z polysomnografických dat
Translated title:
Automatic sleep scoring using polysomnographic data
Authors:
Vávrová, Eva ; Potočňák, Tomáš (referee) ; Ronzhina, Marina (advisor) Document type: Master’s theses
Year:
2016
Language:
cze Publisher:
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií Abstract:
[cze][eng]
Tato diplomová práce se zabývá analýzou polysomnografických záznamů, která je založená na výpočtu vybraných parametrů v časové, frekvenční a časově-frekvenční oblasti. Parametry jsou počítány z 30s úseků EEG, EMG a EOG signálů snímaných v průběhu různých spánkových fází. Pomocí statistické analýzy jsou vybrány parametry, které jsou vhodné pro následnou automatickou klasifikaci spánkových fází, která je zrealizována pomocí umělé neuronové sítě, k-NN klasifikátoru a lineární diskriminační analýzy. V rámci této práce byl vytvořen program s grafickým uživatelským rozhraním v prostředí MATLAB.
The thesis is focused on analysis of polysomnographic signals based on extraction of chosen parameters in time, frequency and time-frequency domain. The parameters are acquired from 30 seconds long segments of EEG, EMG and EOG signals recorded during different sleep stages. The parameters used for automatic classification of sleep stages are selected according to statistical analysis. The classification is realized by artificial neural networks, k-NN classifier and linear discriminant analysis. The program with a graphical user interface was created using Matlab.
Keywords:
artificial neural network; automatic classification; discriminant analysis; k-Nearest Neighbours classifier; polysomnography; PSG data analysis; Sleep stages; analýza PSG dat; automatická klasifikace; diskriminační analýza; k-NN klasifikátor; polysomnografie; Spánkové fáze; umělá neuronová síť
Institution: Brno University of Technology
(web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library. Original record: http://hdl.handle.net/11012/63026