|
|
Graph Neural Networks in Epilepsy Surgery
Hrtonová, Valentina ; Filipenská, Marina ; Klimeš, Petr
Epilepsy surgery presents a viable treatment option for patients with drug-resistant epilepsy, necessitating precise localization of the epileptogenic zone (EZ) for optimal outcomes. As the limitations of currently used localization methods lead to a seizure-free postsurgical outcome only in about 60% of cases, this study introduces a novel approach to EZ localization by leveraging Graph Neural Networks (GNNs) for the analysis of interictal stereoelectroencephalography (SEEG) data. A GraphSAGE-based model for identifying resected seizure-onset zone (SOZ) electrode contacts was applied to a clinical dataset comprising 17 patients from two institutions. This study uniquely focuses on the use of interictal SEEG recordings, aiming to streamline the presurgical monitoring process and minimize risks and costs associated with prolonged SEEG monitoring. Through this innovative approach, the GNN model demonstrated promising results, achieving an Area Under the Receiver Operating Characteristic (AUROC) score of 0.830 and an Area Under the Precision-Recall Curve (AUPRC) of 0.432. These outcomes along with the potential of GNNs in leveraging the patient-specific electrode placement highlight their potential in enhancing the accuracy of EZ localization in drug-resistant epilepsy patients.
|
|
|
Lokalizace fibrilace síní pro vyhodnocení zatížení pacienta
Martinásková, Klára ; Ředina, Richard (oponent) ; Filipenská, Marina (vedoucí práce)
Diplomová práce se zabývá problematikou detekce fibrilace síní ze záznamů EKG a lokalizace daných úseků fibrilace u signálů s paroxysmální fibrilací. Je vypracována rešerše týkající se fibrilace síní, vzniku této atologie a metod detekce fibrilace z EKG záznamů pomocí hlubokého učení. V jazyce Python je následně implementován model konvoluční neuronové sítě s reziduálními bloky pro klasifikaci krátkých (3 s) segmentů EKG signálu. Následně jsou výsledky klasifikace zpracovány a v signálech s paroxysmální fibrilací jsou lokalizovány úseky s fibrilací. Díky klasifikaci a lokalizaci je dále vyhodnoceno zatížení pacienta fibrilací. Implementovaný klasifikátor na testovací množině dosahuje výsledků F1 skóre 96,15 %. Při lokalizaci úseků s fibrilací algoritmem je dosaženo hodnoty MAE 0,95 s pro detekci začátků a 1,29 s pro detekci konců vůči referenčním polohám. Odhadované zatížení pacienta je porovnáno se skutečnou zátěží a dosahuje MAE 3 %.
|
|
|
Detekce arytmií v EKG
Pchálková, Aneta ; Filipenská, Marina (oponent) ; Novotná, Petra (vedoucí práce)
Tato práce popisuje princip EKG, fyziologii arytmií, jejich vznik a projevy v EKG se zaměřením na komorové extrasystoly a blokády Tawarových ramének. Zabývá se současnými metodami detekce těchto arytmií a získáním příznaků potřebných pro jejich realizaci. Dále je popsána práce s daty včetně jejich předzpracování, které je provedeno také prakticky. Klasifikace komorových extrasystol a blokád Tawarových ramének je realizována pomocí modelů k-nejbližších sousedů.
|
|
|
Predikce úspěšnosti fotbalistů s využitím metod strojového učení
Janeček, Jan ; Filipenská, Marina (oponent) ; Ředina, Richard (vedoucí práce)
Tato bakalářská práce se zaměřuje na implementaci umělé neuronové sítě v programovacím jazyce Python s využitím knihovny Keras. Cílem práce je numerická predikce připravenosti fotbalového hráče na zápas na škále od 0 do 1. Predikce je založena na pěti fyziologicko-kinematických datech získaných ze tří tréninků předcházejících danému zápasu. Referenční data pro trénování umělé neuronové sítě zahrnují technické údaje o počtu úspěšných a celkových akcí během zápasu. Data použitá v této práci byla shromážděna od hráčů fotbalového klubu Sigma Olomouc U19 pomocí softwarů Polar Team Pro a Wyscout. Nejnižší zaznamenané chyby modelu, která činila 0,1046, bylo dosaženo použitím jedné skryté vrstvy obsahující 15 perceptronů.
|
|
|
Graph Neural Networks in Epilepsy Surgery
Hrtoňová, Valentina ; MSc, Daniel Uher, (oponent) ; Filipenská, Marina (vedoucí práce)
Successful epilepsy surgery relies on precise localization of the epileptogenic zone (EZ), yet only about 60% of patients become seizure-free post-surgery often due to inaccurate EZ identification. This thesis presents a novel method for EZ localization using Graph Neural Networks (GNNs) to analyze interictal biomarkers, specifically interictal spikes and relative entropy. The GNN models were used to localize resected seizure-onset zone electrode contacts based on interictal stereoelectroencephalography data, validated on a clinical dataset of 37 patients from two institutions. The best-performing GNN model - Graph Attention Network - scored a median Area Under the Receiver Operating Characteristic (AUROC) of 0.971 and a median Area Under the Precision-Recall Curve (AUPRC) of 0.525 across a cohort of 19 patients with a good surgical outcome, significantly outperforming a benchmark model based on spike rates (Wilcoxon Signed Rank test, p
|
|
|
Hodnocení zdraví pomocí chytrých zařízení
Vargová, Enikö ; Filipenská, Marina (oponent) ; Němcová, Andrea (vedoucí práce)
Tato práce se zabývá možností neinvazivního stanovení glykémie z fotopletysmografických signálů. Zvýšená glykémie často souvisí s onemocněním zvaným diabetes mellitus, což je jedno z nejčastějších chronických onemocnění na světě. Neléčený diabetes bývá často příčinou úmrtí. Cílem práce je vytvořit algoritmus pro klasifikaci a predikci glykémie. Nejdříve byly naměřeny dvě databáze PPG signálů s využitím dvou chytrých zařízení (chytrý náramek a chytrý telefon). Současně byla měřena také referenční hodnota glykémie invazivně. PPG signály byly předzpracovány a byly z nich extrahovány vhodné příznaky pro klasifikaci i predikci konkrétní hodnoty glykémie. Následně bylo vytvořeno několik různých modelů pro klasifikaci glykémie do dvou skupin (nízká a vysoká glykémie) a pro predikci konkrétní hodnoty glykémie.
|
|
|
Pokročilé hodnocení kvality spánku
Benáček, Petr ; Ředina, Richard (oponent) ; Filipenská, Marina (vedoucí práce)
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.
|
|
|
Automatické měření efektivní refrakterní periody srdeční tkáně
Ředina, Richard ; Filipenská, Marina
Elektrofyziologické vyšetření jako jedna z možností léčby arytmií je i v dnešní době stále časově náročný výkon. S cílem snížení této časové zátěže prezentujeme vyvinutý algoritmus, který z měřeného EKG automaticky určuje efektivní refrakterní periodu (ERP) tkáně. Algoritmus sestává z především filtrace a detekce lokálních extrémů v signálech. Algoritmus byl testován na interní databázi signálů získaných od deseti pacientů, kteří podstoupili elektrofyziologické vyšetření. Výstup algoritmu se shodoval s elektrofyziologem stanovenou ERP v devíti z deseti případů (σ = 6 ms). Pro svou relativní úspěšnost a nenáročnou implementaci slibuje možné využití v real-time aplikaci během vyšetření, při kterém by mohl plně automatizovat a tím i urychlit stimulační protokoly.
|
|
|
Detekce arytmií v EKG
Šoltés, Tomáš ; Filipenská, Marina (oponent) ; Novotná, Petra (vedoucí práce)
Bakalářská práce popisuje často se vyskytující vybrané arytmie (resp. komorové extrasystoly a blokády Tawarových ramének) a jejich konvenční i moderní detekční metody, včetně metod využívající neuronové sítě. V praktické části jsou realizovány metody pro jednotlivé arytmie: Statistické analýzy QRS komplexů a jejich klasifikaci pomocí metody K-nejbližších sousedů pro blokády Tawarových ramének a komorových extrasystol.
|
|
|
Detekce arytmií v EKG
Šoltés, Tomáš ; Filipenská, Marina (oponent) ; Novotná, Petra (vedoucí práce)
Bakalářská práce popisuje často se vyskytující vybrané arytmie (resp. komorové extrasystoly a blokády Tawarových ramen) a jejich konvenční i moderní detekční metody, včetně metod využívající neuronové sítě. V praktické části jsou realizovány metody pro jednotlivé arytmie: Analýza RR intervalů pro detekci komorových extrasystol a statistická analýza QRS komplexů a jejich shlukování pomocí metody K-nejbližších sousedů pro blokády Tawarových ramen.
|
host ::
RSS.