|
|
Optimization of a Deep Neural Network Label Encoding in a Multi-Label Problem.
Zaťko, Martin ; Novotná, Petra (oponent) ; Hejč, Jakub (vedoucí práce)
The aim of the diploma thesis is to propose a method of deep learning for the classification of arrhythmias from ECG recordings and to compare the effect of coding its outputs on the overall quality of the model. A 1D convolutional neural network was selected and methods of label coding using one-hot coding, ordinal coding, the method using an autoencoder and the word embbeding method were tested and compared on it. The obtained results show that the use of the word embbeding method can increase the classification capacity of the proposed network.
|
|
|
Generative Adversial Network for Artificial ECG Generation
Šagát, Martin ; Ronzhina, Marina (oponent) ; Hejč, Jakub (vedoucí práce)
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.
|
|
|
Simulace kvadrupólového hmotnostního filtru
Kandra, Mário ; Kolářová, Jana (oponent) ; Hejč, Jakub (vedoucí práce)
V práci sa zaoberáme problematikou hmotnostnej spektrometrie. Najprv sa snažíme vysvetliť základné fyzikálne princípy, ktoré využíva kvadrupólolový filter, poprípade vyskytujúce sa v sprievodných javoch. V nasledujúcej časti popisujeme teoretickú podstatu kvadrupólového filtra, stabilizáciu a optimalizáciu zariadenia. Hlavná časť práce sa venuje simulácii kvadrupólového hmotnostného filtra a vplyvu parametrov na trajektóriu pohybu iónov.
|
|
|
Detekce komplexů QRS v dlouhých elektrogramech
Novotná, Petra ; Hejč, Jakub (oponent) ; Kozumplík, Jiří (vedoucí práce)
Tato bakalářská práce se zabývá detekcí QRS komplexů v dlouhých elektrogramech získa- ných snímáním EKG signálů z izolovaných králičích srdcí. První část se zabývá obecnými principy detekce, z nichž některé jsou popsány podrobněji ve čtvrté kapitole. Praktická část obsahuje představení zpracovávaných dat, konkrétní popis algoritmů použitých při řešení zadaného problému a jejich realizace v programovacím prostředí MATLAB.
|
|
|
Membránový oxygenátor
Jindra, Jakub ; Harabiš, Vratislav (oponent) ; Hejč, Jakub (vedoucí práce)
Tato bakalářská práce se zabývá tvorbou oxygenátoru pro izolovaná králičí srdce. V práci je vytvořen matematický model oxygenátoru a výpočet optimálních parametrů pro tuto aplikaci. Na to navazuje návrh konstrukčního řešení obsahující také tvorbu 3D modelu, tisk navrženého oxygenátoru a tvorbu funkčního prototypu. Závěrem této práce je zhodnocení funkčnosti přístroje a diskuze dosažených výsledků.
|
|
|
Detekce komorových extrasystol v EKG
Imramovská, Klára ; Hejč, Jakub (oponent) ; Ronzhina, Marina (vedoucí práce)
Práce se zabývá problematikou automatické detekce komorových extrasystol v EKG záznamech. V jazyce Python byla implementována metoda detekce využívající konvoluční neuronové sítě a LSTM jednotek. Pro detekci byly využity srdeční cykly extrahované z jednoho svodu EKG. Při klasifikaci do dvou tříd (KES a normální rytmus) dosáhlo F1 skóre na testovací množině 96,41 %, u klasifikace do tří tříd (KES, normální rytmus a ostatní arytmie) 81,76 %. V závěru práce je úspěšnost klasifikace zhodnocena a diskutována, dosažené výsledky pro klasifikaci do dvou tříd jsou srovnatelné s výsledky metod z jiných studií.
|
|
|
Zátěžové biomarkery pro predikci recidivy fibrilace síní u pacientů po radiofrekvenční ablaci.
Mátych, Martin ; Pešl, Martin (oponent) ; Hejč, Jakub (vedoucí práce)
Fibrilace síní (FS) je vůbec nejčastěji léčenou poruchou srdečního rytmu. Úspěšnost radiofrekvenční katétrové ablace se při léčbě paroxysmální FS pohybuje mezi 60 % a 80 %. Cílem této práce je určit parametry spojené s recidivou FS, díky kterým by bylo možné identifikovat pacienty se zvýšeným rizikem na opakovaný výskyt této arytmie. Zpracována byla data pacientů s paroxysmální FS, kteří podstoupili radiofrekvenční ablaci prostou izolací plicních žil. Z celkového počtu 98 pacientů byla diagnostikována recidiva FS u 19 z nich. Recidivující a nerecidivující pacienti se statisticky významně lišili v hodnotách celé řady zátěžových a echokardiografických parametrů, které byly dále využity v regresní analýze. Zvláště zkoumaný byl vliv vrcholové spotřeby kyslíku (pVO2) na úspěšnost ablace. Tento parametr se ukázal jako silný prediktor recidivy fibrilace síní po adjustování pro možné zavádějící faktory pohlaví a věku (poměr rizik 0,43). Jako ideální kombinace příznaků ve vícenásobném regresním modelu se ukázala čtveřice parametrů: pVO2, vrcholová rychlost pohybu mitrálního annulu v pozdní diastole levé komory měřená septálně, systolický krevní tlak po zátěži a index objemu levé síně. Výsledky této práce potvrzují přínos zejména zátěžových a echokardiografických parametrů, které mohou nést důležitou prognostickou informaci v souvislosti s úspěšností ablačního zákroku.
|
|
|
ECG-based biomarkers for estimation of sudden death risk in patients with accessory atrioventricular pathway.
Tomková, Lucia ; Ředina, Richard (oponent) ; Hejč, Jakub (vedoucí práce)
The aim of this work is to acquaint the reader with the delta wave manifestation on the electrocardiogram in pediatric patients with Wolf-Parkinson-White syndrome who are at risk of sudden cardiac death. Subsequently, in the work we deal with the processing of data from the electrophysiological examination and the creation of algorithms for the extraction of biomarkers from the ECG signal in the Python programming language. The work includes statistical analysis of biomarkers, focusing on the difference in datasets for at-risk and non-at-risk patients. Biomarkers that have a statistically significant difference in the datasets are used to create and select a suitable model for predicting the risk of the accessory pathway in patients.
|
|
|
Analýza dynamických změn tepové frekvence u fibrilace síní
Tesařová, Tereza ; Ronzhina, Marina (oponent) ; Hejč, Jakub (vedoucí práce)
Bakalářská práce je orientována do problematiky zachycení abnormalit tepové frekvence a stanovení sledované variability v různě dlouhých EKG signálech, přímou analýzou k zvýšení úspěšnosti detekce fibrilace síní momentálně dostupných metod. Tematickému jádru práce předbíhá seznámení se se samotnou kapitolou dotýkající se elektrofyziologie srdce a vzniku vzruchu s jeho následným vedením uvnitř myokardu, včetně základní klasifikace srdečních arytmií a diagnostikovaného vychýlení od normálního rytmu. Rozebrání dynamické struktury fibrilace síní napomáhá k lepšímu pochopení v následujícím aplikování detekčních algoritmů v programovém prostředí MATLAB a dává podklad pro správnou diskusi při konečném souborném statistickém vyhodnocení souhrnu diskriminativních ukazatelů.
|
|
|
Optimization of a Deep Neural Network Label Encoding in a Multi-Label Problem.
Zaťko, Martin ; Novotná, Petra (oponent) ; Hejč, Jakub (vedoucí práce)
The aim of the diploma thesis is to propose a method of deep learning for the classification of arrhythmias from ECG recordings and to compare the effect of coding its outputs on the overall quality of the model. A 1D convolutional neural network was selected and methods of label coding using one-hot coding, ordinal coding, the method using an autoencoder and the word embbeding method were tested and compared on it. The obtained results show that the use of the word embbeding method can increase the classification capacity of the proposed network.
|
host ::
RSS.