Original title: Analýza informační hodnoty EKG příznaků ze segmentační neuronové sítě pro detekci infarktu myokardu
Translated title: Analysis of the informational value of ECG features from a segmentation neural network for detecting myocardial infarction
Authors: Duchaj, Jakub ; Chmelík, Jiří (referee) ; Ředina, Richard (advisor)
Document type: Bachelor's theses
Year: 2026
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [cze] [eng]
Tato práce se zabývá analýzou informační hodnoty příznakových map extrahovaných segmentační neuronovou sítí z EKG signálů pro účely klasifikace přítomnosti infarktu myokardu. Hlavním cílem práce je porozumět způsobu, jakým je diskriminační informace reprezentována v těchto příznacích, a zhodnotit její využitelnost pro klasifikační úlohu s využitím metod strojového učení. Práce obsahuje teoretický úvod do měření a zpracování EKG záznamu, následovaného explorativní analýzou dat. Poznatky z analýzy jsou pak využity pro sestavení experimentu a jeho zhodnocení. Nejlepší dosažené F1 skóre klasifikace bylo 0,469. Výsledky ukázali, že uspěšnost algoritmu nejvíce ovlivnila zvolená reprezentace příznaků. This thesis focuses on the analysis of the informational value of feature maps extracted by a segmentation neural network from ECG signals for the purpose of MI classification. The main objective of the work is to understand how discriminative information is represented in these features and to evaluate its usability for classification tasks using machine learning methods. The thesis includes a theoretical introduction to ECG signal acquisition and processing, followed by an exploratory data analysis. The insights obtained from the analysis are subsequently used to design and evaluate classification experiments. The best achieved F1 score of the classification reached 0.469. The results show that the performance of the classification algorithm is primarily influenced by the chosen feature representation.
Keywords: classification; electrocardiography; machine learning; myocardial infarction; PTB-XL; elektrokardiografie; infarkt myokardu; klasifikace; PTB-XL; strojové učení

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/11012/258257

Permalink: http://www.nusl.cz/ntk/nusl-777338


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