Original title: Návrh generativní kompetitivní neuronové sítě pro generování umělých EKG záznamů
Translated title: Generative Adversial Network for Artificial ECG Generation
Authors: Šagát, Martin ; Ronzhina, Marina (referee) ; Hejč, Jakub (advisor)
Document type: Master’s theses
Year: 2020
Language: slo
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [slo] [eng]
Práca sa zaoberá generovaním EKG signálov pomocou generatívnych kompetitívnych sietí (GAN). Podrobne skúma základy umelých neurónových sietí a princípy ich fungovania. Teoreticky popisuje využitie a fungovanie a najčastejšie typy zlyhaní generatívnych kompetitívnych sietí. V práci bol odvodený všeobecný postup predspracovania signálov vhodných pre trénovanie GAN, ktorý bol využitý na zostavenie databázy. V tejto práci boli navrhnuté a implementované celkovo 3 rôzne modely GAN. Výsledky modelov boli vizuálne zobrazené a podrobne analyzované. Na záver práca komentuje dosiahnuté výsledky a navrhuje ďalšie smerovanie výskumu metód zaoberajúcich sa generovaním EKG signálov. The work deals with the generation of ECG signals using generative adversarial networks (GAN). It examines in detail the basics of artificial neural networks and the principles of their operation. It theoretically describes the use and operation and the most common types of failures of generative adversarial networks. In this work, a general procedure of signal preprocessing suitable for GAN training was derived, which was used to compile a database. In this work, a total of 3 different GAN models were designed and implemented. The results of the models were visually displayed and analyzed in detail. Finally, the work comments on the achieved results and suggests further research direction of methods dealing with the generation of ECG signals.
Keywords: arrhythmias; artificial neural networks; BiLSTM; CNN; ECG; GAN; Generative adversarial networks; neuron; Python; signal generation

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/11012/189246

Permalink: http://www.nusl.cz/ntk/nusl-413114


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Master’s theses