|
|
Detekce spánkové apnoe u dospělých pacientů
Vrana, Vojtěch ; Králík, Martin (oponent) ; Sekora, Jiří (vedoucí práce)
Cílem této práce je konstrukce zařízení detekující apnoické dýchací pauzy během spánku. Nejčastější příčinou apnoických pauz je obstrukce dýchacích cest, např. kolapsem dýchacích cest. Apnoe vede k zhoršení kvality spánku a zvyšuje riziko kardiovaskulárních onemocnění. Kontrolér je konstruován na vývojové desce Arduino Uno. Celá měřící aparatura se skládá za dvou obvodů pro měření vnějších projevů pohybu dýchacích svalů a mikrofonu, na měření přítomnosti proudu vzduchu.
|
|
|
Analýza spánkových EEG
Kříženecká, Tereza ; Potočňák, Tomáš (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato bakalářská práce se zabývá analýzou spánkových EEG, která je provedena pomocí výpočtu vybraných parametrů z časové a frekvenční oblasti. Parametry se počítají z jednotlivých úseků EEG signálů, které odpovídají jednotlivým spánkovým fázím. Na základě analýzy se rozhodne, které parametry EEG jsou vhodné pro automatickou detekci fází a která metoda je vhodnější pro hodnocení dat v hypnogramu. K analýze byl použit program MATLAB, ve kterém byla daná data porovnána.
|
|
|
Model stabilizace dýchání u novorozenců stochastickou mechanosenzorickou stimulací
Laníková, Petra ; Čmiel, Vratislav (oponent) ; Provazník, Ivo (vedoucí práce)
Cílem této práce je vytvoření stochastického modelu oscilátoru dechové automate, včetně jeho řízení,s možností zastavení a znovuspuštění oscilací působením náhodného procesu. Oscilátor je realizován v programovém prostředí MATLAB R2014a, výsledky jsou srovnávány s reálnými záznamy dechových křivek novorozenců. Tyto výsledky jsou prezentovány pomocí obrázků. K vyhodnocení záznamů je využíváno znalostí dechové automacie a syndromu spánkové apnoe, hlavně apnoe u předčasně narozených novorozenců.
|
|
|
Sleep scoring using artificial neural networks
Vašíčková, Zuzana ; Mézl, Martin (oponent) ; Králík, Martin (vedoucí práce)
The main objective of the thesis is to create an artificial neural network for sleep-staging. Firstly, information about sleep and sleep stages is summarized. However, more profound overview of signal processing methods and methods of classification is found in next chapters. After summarizing the theoretical knowledge necessary to carry out practical part of thesis, signal features were extracted according to the theoretical proposal and using statistical analysis, convenient features were used as in input for artificial neural network, able to classify the sleep data into sleep stages after the learning stage.
|
|
|
Identifikace spánkových poruch z dat aktigrafie a spánkových deníků
Molík, Miroslav ; Mekyska, Jiří (oponent) ; Mikulec, Marek (vedoucí práce)
Tato diplomová práce se zabývá predikcí Parkinsonovy choroby pomocí spánkových parametrů získaných z aktigrafie a spánkových deníků. Cílem je navrhnout model strojového učení, který bude schopen poznat pacienty trpící Parkinsonovou chorobou. K trénování byla použita datová množina dodaná Fakultní nemocnicí u sv. Anny, která byla za dosažením lepších výsledků různě upravována. Následně byly tyto úpravy podle výsledků modelů zhodnoceny a na jejich bázi byly vybrány dva modely, které dosahují testovací přesnosti 85 a 82%.
|
|
|
Analysis of sleep EEG signal
Ježek, Martin ; Kozumplík, Jiří (oponent) ; Rozman, Jiří (vedoucí práce)
The aim of this study was to develop an automatic detection program for scoring the sleep EEG arousals, based on one of time-frequency analysis methods. The subject of the study was 13 overnight polysomnographic recordings (four leads of EEG, EMG, ECG and EOG), i.e over 100 hours in total. It was a subset of data used in former studies by sleep expert Dr. Emilia Sforza, Geneva, Switzerland, who also provided baseline arousal scoring. Total number of 1551 arousal events were marked in the recordings. Next, several tools for recordings' visualization were developed to facilitate the decision on methods of analysis. Following the conclusions made after extensive visualization of input recordings in different time-frequency representations and regarding the character of EEG as neuroelectric waveforms and computing efficiency, discrete wavelet decomposition with Daubechies order 6 mother wavelet was chosen. The EEG signals were decomposed into six frequency bands. The results together with EMG recordings were used to evaluate a set of indices describing EEG and EMG changes accompanying arousals. These indices were weighted to form linear classifier of microarousal suspicion in each EEG lead – a microarousal was marked as present when it remained suspect in period of 3 to 30 seconds. Outputs of four EEG channels were then integrated to report final outcome. Based on sensitivity and selectivity measures the algorithm was optimized by genetic algorithm. The subject of tuning were the linear classifier parameters and first four of 13 recordings were selected as training data. A microarousal detection program emerged on basis of the tuned algorithm and resulted in average sensitivity of 76,09 %, selectivity of 53,26 % and 97,66 % specificity over all 13 recordings compared to expert visual scorings.
|
|
|
Inteligentní zařízení na noční stolek
Vávra, Jan ; Žák, Jaromír (oponent) ; Macháň, Ladislav (vedoucí práce)
Diplomová práce se zabývá návrhem a konstrukcí inteligentního zařízení na noční stolek. Úkolem celého systému je sledování a rozeznání fáze spánku s následným předáním dat budíku, který zajistí nejkomfortnější probuzení uživatele. Budík je zálohován baterií. Dále dochází k monitorování prostředí pomocí moderních senzorů. Zařízení je vybaveno odnímatelnou světelnou částí, která je zálohována elektrickým zdrojem pro případné přisvícení při výpadku elektrické energie. Podložka pro bezdrátové dobíjení se standardem Qi je součástí celého systému.
|
|
|
Hodnocení kvality spánku
Benáček, Petr ; Králík, Martin (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato bakalářská práce se zabývá automatickým hodnocením kvality spánku pomocí neuronových sítí. Pro hodnocení jsou využívána data o pohybu a tepové frekvenci naměřená pomocí chytrých hodinek Apple Watch. Z těchto dat byly vypočteny statistické veličiny, které byly následně využity jako vstup do navržených neuronových sítí. Jejich cílem bylo automaticky rozpoznat spánek a bdění. V tomto případě byla sensitivita 89 % a specificita 70 %, což jsou srovnatelné hodnoty s jinými studiemi. Dále byla data rozdělena také do kategorií W (bdění), NON REM a REM. Z výstupu vytvořených neuronových sítí byly odvozeny parametry hodnotící kvalitu spánku, jako například TST, % REM nebo sleep latency.
|
|
|
Detekce spánkové apnoe z EKG signálu
Trnková, Simona ; Smital, Lukáš (oponent) ; Králík, Martin (vedoucí práce)
Cílem této práce bylo navrhnout algoritmus pro detekci spánkové apnoe z dechové křivky, které byla extrahována z EKG signálu. V práci je obsažena teorie spánkové medicíny, metody pro extrakci dechové křivky z EKG signálu a metody detekce apnoických úseků. V praktické části jsou popsány a vyhodnoceny algoritmus pro odhad dechové křivky a modely klasifikující apnoické úseky.
|
|
|
Pokročilý budík pro Windows Phone 7
Zapletal, Josef ; Kajan, Rudolf (oponent) ; Herout, Adam (vedoucí práce)
Práce popisuje vývoj mobilní aplikace pro platformu Windows Phone 7 zaměřené na spánek a následné probuzení uživatele. Aplikace je velice jednoduchá na ovládání a ke své činnosti využívá vestavěných modulů moderních mobilních telefonů, jako je například kamera s vysokým rozlišením a akcelerometr. Práce popisuje hlavní rysy platformy Windows Phone 7, analýzu konkurenčních řešení, samotný návrh vlastní aplikace a její implementaci. Dále tato práce popisuje řešení různých problémů při vývoji a také uvádí příklady použitých metod a nástrojů. V neposlední řadě je zde také uveden seznam použitých knihoven.
|
host ::
RSS.