Original title:
Pokročilé skórování spánkových dat
Translated title:
Advanced scoring of sleep data
Authors:
Jagošová, Petra ; Novotná, Petra (referee) ; Ronzhina, Marina (advisor) Document type: Master’s theses
Year:
2021
Language:
cze Publisher:
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií Abstract:
[cze][eng]
Tato diplomová práce se zabývá pokročilým skórováním spánkových dat, které bylo provedeno pomocí hluboké neuronové sítě. Ke skórování jsou využívána data tepové frekvence a informace o pohybu naměřené pomocí chytrých hodinek Apple Watch. Po vhodném předzpracování sloužila tato data jako vstupní parametry do navržených sítí. Cílem LSTM sítě bylo provést klasifikaci dat buď do dvou skupin na spánek a bdění nebo do tří skupin na bdění, Non-REM a REM. Nejlepších výsledků dosáhla síť provádějící klasifikaci spánek vs. bdění s využitím akcelerometru. Statistické vyhodnocení této nejlepší sítě dosáhlo hodnoty senzitivity 71,06 %, specificity 57,05 %, celkové úspěšnosti (accuracy) 70,01 % a F1 skóre 81,42 %.
The master´s thesis is focused on advanced scoring of sleep data, which was performed using deep neural network. Heart rate data and the movement information were used for scoring measured using an Apple Watch smartwatch. After appropriate pre-processing, this data serves as input parameters to the designed networks. The goal of the LSTM network was to classify data into either two groups for sleep and wake or into three groups for wake, Non-REM and REM. The best results were achieved by network doing classification of sleep vs. wake using the accelerometer. The statistical evaluation of this best-designed network reached the values of sensitivity 71,06 %, specificity 57,05 %, accuracy 70,01 % and F1 score 81,42 %.
Keywords:
accelerometer; classification; deep learning; heart rate; LSTM; NREM; Polysomnography; REM; sleep; smartwatch; wake; akcelerometr; bdění; chytré hodinky; hluboké učení; klasifikace; LSTM; NREM; Polysomnografie; REM; spánek; tepová frekvence
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/11012/197020