Original title:
Detekce obtížně diferencovatelných skupin srdečních arytmií
Translated title:
Detection of poorly differentiated cardiac arrhythmias
Authors:
Kantor, Marek ; Ronzhina, Marina (referee) ; Novotná, Petra (advisor) Document type: Master’s theses
Year:
2022
Language:
cze Publisher:
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií Abstract:
[cze][eng]
Tato práce se zabývá problematikou detekčních metod fibrilace síní, flutteru síní a sinusového rytmu ze záznamu EKG. Práce rovněž pojednává o těchto arytmiích a klasifikačních algoritmech vhodných pro tuto problematiku. V rámci této práce je vytvořeno několik přístupů klasifikace. Pro extrakci příznaků je využita konvoluční neuronová síť a klasifikace je realizovaná prostřednictvím umělé neuronové sítě. Vybrána metoda 1D CNN pro tyto těžko diferencovatelné srdeční arytmie dosahuje průměrné přesnosti klasifikace F1 - skóre = 91 %. Vybrána CNN optimalizovaná pomocí GA je rychlá mělká síť s lepší přesností než hluboká síť. Vytvořené modely jsou použity i pro klasifikaci jiných typů arytmií.
This thesis focusses on the detection methods of atrial fibrilation, atrial flutter and sinus rhythm from ECG. Thesis also concentrate on the description of this arrhythmias and the learning algorithms used. In this thesis are implemented several classification approaches. For extraction of features is used convolution neural network and classification artifitial neural network. Selected 1D CNN method achived classification accuracy global F1 - score is 91 %. Moreover, the proposed CNN optimized with GA appears to be fast shallow network with better accuracy than the deep network. Created model are used for classification other type of arrhythmias too.
Keywords:
AFIB; arrhythmias detection; atrial arrhythmias convolutional neural network; atrial fibrilation; atrial flutter; CNN; ECG; electrocardiogram; GA; genetic algorithm; CNN; detekce arytmií; EKG; elektrokardiogram; fibrilace síní; FIS; FLUT; flutter síní; GA; genetický algoritmus; konvoluční 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/11012/204915