|
|
Metody hlubokého učení pro segmentaci elektrokardiografických signálů
Hejč, Jakub ; Černý, Martin (oponent) ; Halámek, Josef (oponent) ; Kolářová, Jana (vedoucí práce)
Práce se zabývá metodami hlubokého učení pro segmentaci elektrokardiografických záznamů z povrchového a intrakardiálního snímání se zaměřením na síňovou aktivitu. Teoretická část seznamuje se současnými přístupy segmentace a s problematikou spojenou s využíváním standardních EKG databází pro vývoj hlubokých modelů. V práci byl navržen řetězec metod pro zpracování multimodálních dat z elektrofyziologického vyšetření. Tyto metody byly následně využity pro sestavení trénovacích datových sad. V práci byl navržen hluboký model pro segmentaci intrakardiálních záznamů založený na modifikované architektuře s reziduálním spojením. Byla provedena série experimentů sledující vliv nastavení modelu a předzpracování datové sady na kvalitu segmentace. Jako zásadní činitel se ukázala přítomnost a způsob anotace záznamů s fibrilací síní. Mezi další významné parametry patřilo nastavení penalizační funkce a způsob augmentace trénovacích dat. V práci byla dále navržena nová metoda segmentace P vln využívající neúplné reference. Přístup byl inspirován metodou hlubokého kontrastního učení, která byla modifikována pro odlišení lokálních úseků signálů na různých úrovních abstrakce extrahovaných příznakových map. Výsledky byly analyzovány pomocí standardních metrik kvality a post-hoc vizuální analýzou. V dílčích případech bylo provedeno statistické srovnání experimentů pro různá nastavení. Výsledky práce ukázaly, že je možné využít intrakardiální signály pro zabudování vektorové reprezentace lokální síňové aktivace do hlubokých modelů.
|
|
|
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.
|
|
|
Nástroj pro analýzu elektrokardiografických záznamů
Plch, Vít ; Hejč, Jakub (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato bakalářská práce se zabývá návrhem nástroje ECG_ANN pro analýzu elektrokardiografic-kých záznamů a jeho sestavením v prostředí Matlab. Program má sloužit UBMI VUT v Brně. V teoretické části se zabývá vznikem akčního potenciálu, šířením akčního potenciálu převodní sou-stavou srdce, poruchou šíření akčního potenciálu převodní soustavou srdce; jsou zde probrány pří-činy a následky těchto poruch viditelné v elektrokardiografickém záznamu získaném z izolovaných zvířecích srdcí. Je zde naznačena problematika experimentů na zvířecích modelech. Dále se v ní popisují programy EG_Anotation a EG_RR_View, sloužící k popisu elektrokardiografických zá-znamů, návrh a sestavení programu ECG_ANN který z těchto programů vychází. Na konec se zde vyskytuje návod k programu, a diskuze k problémům, které se při návrhu a sestrojení programu vyskytly.
|
|
|
Segmentace skrytých P vln pomocí metod hlubokého učení
Boudová, Markéta ; Ronzhina, Marina (oponent) ; Hejč, Jakub (vedoucí práce)
Cílem této diplomové práce je detekce P vlny v EKG záznamech. Úvod teoretické části se zabývá fyziologií srdce. V druhé části jsou vysvětleny základní principy hlubokého učení. V praktické části je v programovacím jazyce Python provedeno předzpracování EKG záznamů a naimplementována neuronová síť U-Net. Následně je provedena optimalizace architektury za účelem snížení komplexity modelu. V závěru práce je vyhodnocena úspěšnost sítě při segmentaci P vln.
|
|
|
Vysokofrekvenční ohřev tkání
Faltýnková, Květoslava ; Hejč, Jakub (oponent) ; Kolářová, Jana (vedoucí práce)
Bakalářská práce se zabývá problematikou vysokofrekvenčního ohřevu tkání a vlivem elektromagnetického pole na živou tkáň. Popisuje kapacitní a indukční metodu, které jsou srovnány výpočtem. Cílem práce je vytvořit aplikaci pro simulaci vysokofrekvečního ohřevu tkání v programu MATLAB. Aplikace obsahuje čtyři modely. Výstupem práce jsou nasimulované průběhy intenzit a ohřevů tkání.
|
|
|
Rozměřování experimentálních záznamů EKG
Hejč, Jakub ; Janoušek, Oto (oponent) ; Vítek, Martin (vedoucí práce)
Tato práce se zabývá návrhem algoritmu pro detekci komplexu QRS a nalezení hranic jednotlivých vln v cyklu EKG. Součástí práce je teoretický rozbor elektrofyziologie srdce a metod běžně užívaných pro detekci i rozměření signálu EKG. Z uvedených metod je realizován algoritmus založený na spojité vlnkové tranformaci. Detektor QRS i algoritmus pro rozměření jsou otestovány na standardní databázi signálů CSE vůči manuálně i automaticky stanoveným referenčním bodům. Dosažené výsledky jsou porovnány s dalšími obdobnými metodami. Diplomová práce se dále zabývá úpravou realizovaného algoritmu pro experimentální záznamy EKG z izolovaného králičího srdce podle Langendorffa. Jsou představena specifika snímání těchto dat a na základě časové a frekvenční analýzy jsou navrženy a realizovány dílčí modifikace algoritmu. Ověření účinnosti zvolených změn je pro velký rozsah záznamů provedeno na výběrové testovací databázi. Úspěšnost algoritmu je vyhodnocena na základě manuálně anotovaných referenčních bodů.
|
|
|
Automatická detekce fibrilace síní pomocí metod hlubokého učení
Budíková, Barbora ; Ronzhina, Marina (oponent) ; Hejč, Jakub (vedoucí práce)
Síňová fibrilace je arytmie, která se běžně detekuje z křivky EKG pomocí jejích specifických projevů. Její časné rozpoznání je klíčové k prevenci závažnějších stavů. Automatická detekce fibrilace síní se v posledních letech stále častěji provádí pomocí metod hlubokého učení. Tato práce představuje detekci fibrilace síní v křivce 12svodového EKG pomocí hluboké konvoluční neuronové sítě. V první části práce jsou představeny teoretické souvislosti k práci potřebné, dále je detailně popsán vytvořený algoritmus. Samotná detekce je realizována programem implementovaným v jazyce Python ve dvou algoritmických podobách jejichž přesnost je hodnocena pomocí metrik přesnost (Accuracy) a F1 skóre. Dosažené výsledky jsou diskutovány, vzájemné porovnány a srovnány s výsledky publikací zabývajících se obdobnou problematikou.
|
|
|
Detekce začátku a konce komplexu QRS s využitím hlubokého učení
Malina, Ondřej ; Hejč, Jakub (oponent) ; Smíšek, Radovan (vedoucí práce)
Tato práce se zabývá problematikou automatického měření doby trvání QRS komplexů v EKG signálech. Zvláštní důraz je zde pak kladen na možnosti automatické detekce komplexů QRS při současném buzení srdeční tkáně kardiostimulátorem. Obsah této práce je řazen do čtyř logických celků, kdy se v první části věnuje srdci jako orgánu. Popisuje vznik a šíření vzruchu v srdci, jeho možné patologie a jejich projevy v EKG záznamu, dále se zde věnuje kardiostimulaci a měření EKG záznamu při současné kardiostimulaci. Druhá část práce obsahuje stručný úvod do tématu strojového a hlubokého učení. Třetí část práce obsahuje rešerše aktuálních přístupů využívající k řešení detekce QRSd metody založené na hlubokém učení. Čtvrtá část se pak zabývá návrhem a implementací vlastního modelu hlubokého učení, schopného detekovat začátky a konce QRS komplexů z EKG záznamů. Je zde popsáno předzpracovaní dat realizované v programovacím prostředí MATLAB. Samotná implementace modelu byla uskutečněna v programovacím jazyce Python za využití modulů PyTorch a NumPy.
|
|
|
Simulace farmakokinetických modelů
Hejč, Jakub ; Jiřík, Radovan (oponent) ; Mézl, Martin (vedoucí práce)
Teoretická část projektu se zabývá rozborem farmakokinetických dějů a základními vlastnostmi matematických modelů užívaných ve farmakokinetice. Tento popis je zaměřen především na modely využívané pro perfúzní zobrazovací metody. Cílem projektu je vytvořit algoritmus pro simulaci vybraných modelů na základě zadaných parametrů a algoritmus sloužící k proložení experimentálně měřených dat vybraným modelem s výpočtem základních farmakokinetických parametrů. Dalším krokem řešení je realizace grafického rozhraní, které umožní plně využívat vytvořené algoritmy v uživatelsky přístupnějším prostředí. Výstupem práce je program, který lze využít k získání parametrů reálných dat a jako názorná ukázka vlivu těchto parametrů na průběh zvolených funkcí.
|
|
|
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.
|
host ::
RSS.