Název:
Automatická detekce fibrilace síní pomocí metod hlubokého učení
Překlad názvu:
Deep Neural Network for Detection of Atrial Fibrillation
Autoři:
Budíková, Barbora ; Ronzhina, Marina (oponent) ; Hejč, Jakub (vedoucí práce) Typ dokumentu: Diplomové práce
Rok:
2020
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstrakt: [cze][eng]
Síňová fibrilace je arytmie, která se běžně detekuje z křivky EKG pomocí jejích specifických projevů. Její časné rozpoznání je klíčové k prevenci závažnějších stavů. Automatická detekce fibrilace síní se v posledních letech stále častěji provádí pomocí metod hlubokého učení. Tato práce představuje detekci fibrilace síní v křivce 12svodového EKG pomocí hluboké konvoluční neuronové sítě. V první části práce jsou představeny teoretické souvislosti k práci potřebné, dále je detailně popsán vytvořený algoritmus. Samotná detekce je realizována programem implementovaným v jazyce Python ve dvou algoritmických podobách jejichž přesnost je hodnocena pomocí metrik přesnost (Accuracy) a F1 skóre. Dosažené výsledky jsou diskutovány, vzájemné porovnány a srovnány s výsledky publikací zabývajících se obdobnou problematikou.
Atrial fibrillation is an arrhythmia commonly detected from ECG using its specific characteristics. An early detection of this arrhythmia is a key to prevention of more serious conditions. Nowadays, atrial fibrillation detection is being implemented more often using deep learning. This work presents detection of atrial fibrillation from 12lead ECG using deep convolutional network. In the first section, there is a theoretical context of this work, then there is a description of proposed algorithm. Detection is implemented by a program in Python in two variations and their accuracy is rated by Accuracy and F1 measure. Results of the work are being discussed, mutually compared and compared to other similar publications.
Klíčová slova:
automatická detekce; EKG; F1 skóre; Fibrilace síní; hluboké učení; konvoluční sítě; Python; Atrial Fibrillation; Automated detection; Convolutional Networks; Deep Learning; ECG; F1 measure; Python
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/189149