Original title:
Pokročilé hodnocení kvality spánku
Translated title:
Advanced sleep quality estimation
Authors:
Benáček, Petr ; Ředina, Richard (referee) ; Filipenská, Marina (advisor) Document type: Master’s theses
Year:
2023
Language:
cze Publisher:
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií Abstract:
[cze][eng]
Tato diplomová práce se zabývá hodnocením kvality spánku pomocí moderních metod hlubokého učení. V práci jsou popsány metriky automatické klasifikace spánkových fází. Je zde diskutována vybraná databáze spánkových dat. Vzhledem k nízkému počtu dat ve fázi bdění jsou popsány a provedeny různé způsoby augumentace dat. Základem pro klasifikaci jsou modely založené na 1D konvolučních sítích. Výsledkem jsou připravené modely pro binární klasifikaci a klasifikaci 3 a 4 fází spánku. Nakonec jsou pomocí těchto modelů vypočítány metriky hodnotící kvalitu spánku a výsledky jsou srovnány s literaturou.
This thesis deals with the assessment of sleep quality using modern deep learning methods. The thesis describes metrics for automatic classification of sleep stages. A selected database of sleep data is discussed. Due to the low number of data in the wakefulness phase, different methods of data augmentation are described and implemented. Models based on 1D convolutional networks are the basis for the classification. As a result, models for binary classification and classification of 3 and 4 sleep phases are prepared. Finally, sleep quality metrics are calculated using these models and the results are compared with the literature.
Keywords:
1D CNN; accelerometer; deep learning; neural network; photoplethysmography; sleep quality assessment; smart watch; 1D CNN; akcelerometr; chytré hodinky; fotopletysmografie; hluboké učení; hodnocení kvality spánku; 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/11012/210210