|
|
Rozpoznání stresu pomocí biologických signálů měřených nositelnými zařízeními
Surkoš, Ondřej ; Vítek, Martin (oponent) ; Smital, Lukáš (vedoucí práce)
S rostoucím významem duševního zdraví ve společnosti a s narůstající dostupností nositelných technologií se nabízí unikátní příležitost využít biologické signály pro monitorování a řízení stresu v každodenním životě. Diplomová práce se zaměřuje na automatické rozpoznávání stresu pomocí biologických signálů měřených nositelnými zařízeními. V teoretické části jsou proto definovány klíčové pojmy týkající se stresu a nositelných zařízení a popsány vybrané biologické signály, které jsou relevantní pro detekci stresu. Práce rovněž představuje několik veřejně dostupných datasetů a popisuje současné metody rozpoznávání stresu, společně s dosaženými výsledky. Praktická část práce se věnuje konstrukci datasetu, předzpracování dat a vývoji algoritmu pro rozpoznání stresu v programovém prostředí MATLAB. Využity jsou zejména techniky strojového učení jak při extrakci a selekci příznaků, tak také při samotné klasifikaci. Výkonosti navržených modelů, které dosahovali přesnosti až 81,1 % v případě sjednoceného datasetu, 97,1 % v případě datasetu WESAD a 80 % v případě datasetu Non-EEG Biosignals, jsou uvedeny a diskutovány v závěrečné části práce, společně se zjištěním velkého vlivu metodologie a využitých zařízení při akvizici dat na výkonnost jednotlivých modelů.
|
|
|
Využití kumulací pro biologické signály
Němeček, Tomáš ; Vítek, Martin (oponent) ; Smital, Lukáš (vedoucí práce)
Cílem této práce je seznámit se s teorií kumulací signálů, s metodou filtrovaných residuí a s metodami změny délky signálu, a ověřit funkčnost těchto metod úpravy signálu. Práce obsahuje teoretický rozbor problematiky, vysvětlení principu a ověření vlastností jednotlivých použitých metod.
|
|
| |
|
|
Metoda borcení časové osy v oblasti biosignálů
Brus, Lukáš ; Švrček, Martin (oponent) ; Kolářová, Jana (vedoucí práce)
Metoda borcení časové osy (dynamic time warping) je jedna z moderních vědeckých metod, přispívajících k optimalizaci analýzy a vyhodnocování křivek různých procesů. Část bakalářské práce je věnována tématu vzniku a procesu biologických signálů, zejména elektrokardiogramu a jeho hodnocení. Dále je diskutována metoda borcení časové osy a na základě reálných datových podkladů experimentálně odzkoušena při hodnocení elektrokardiogramu. Jsou uvedeny omezení funkce DTW a navržen program s názvem EKG diagnose, který využívá programovacího prostředí Matlab a je použit jako systém hledající charakteristické změny v elektrokardiogramu v průběhu experimentu na zvířecím srdci.
|
|
|
Automatická detekce stresu pomocí biologických signálů
Votýpka, Tomáš ; Kozumplík, Jiří (oponent) ; Smíšek, Radovan (vedoucí práce)
Bakalářská práce je zaměřena na detekci stresu. Tato práce definuje pojem stres, analyzuje vhodné biologické signály k detekci stresu, představuje databáze biologických signálů, které byly využity pro detekci stresu a zmiňuje metody automatické detekce stresu. Následně byl v programovém prostředí MATLAB implementovaný program detekující stres. Pro realizaci programu byla využita volně dostupná databáze non-EEG signálů. Modely klasifikující stres, byly vytvořeny pomocí 4 metod strojového učení pro binární klasifikaci a 3 metod strojového učení pro klasifikaci 4 psychických stavů. Úspěšnosti klasifikačních úloh jsou shrnuty v závěru práce.
|
|
|
Metoda borcení časové osy v oblasti biosignálů
Nejedlý, Tomáš ; Švrček, Martin (oponent) ; Kolářová, Jana (vedoucí práce)
Tato práce se zabývá rozpoznáváním biosignálů. Navržený rozpoznávací systém REC-DTW zpracovává elektrokardiografické signály (EKG) pomocí algoritmu Dynamického borcení časové osy (DTW). DTW umožňuje vyhodnotit rozdíl mezi testovaným a kontrolním signálem, které nejsou stejně dlouhé. Senzitivita rozpoznávání je 82,5%.
|
|
|
Stresss and fatique detection in complex driver's data
Šimoňáková, Sabína ; Králík, Martin (oponent) ; Mézl, Martin (vedoucí práce)
Main aim of our thesis is fatigue and stress detection from biological signals of a driver. Introduction contains information on published methods of detection and thoroughly informs readers about theoretical background necessary for our thesis. In the practical application we have firstly worked with a database of measured rides and subsequently chose their most relevant sections. Extraction and selection of features followed afterward. Five different classification models for tiredness and stress detection were used in the thesis and prediction was based on actual data. Lastly, the final section compares the best model of our thesis with the already published results.
|
|
|
Zpracování biosignálů - shluková analýza
Příhodová, Petra ; Maděránková, Denisa (oponent) ; Kolářová, Jana (vedoucí práce)
Tato práce se zabývá problematikou shlukové analýzy a možnostmi jejího využítí při klasifikace biosignálů. V první části práce je popsán princip shlukové analýzy, způsoby výpočtu vzdáleností mezi objekty a základní postup při realizaci shlukování. Pro zpracovávání biologických signálů je nutné se seznámit se základními parametry těchto signálů, popsat proces zpracovávání těchto signálů a metodu optického snímání akčních potenciálů. Na základě prostudování různých metod shlukování je v následující části této práce představen program s aplikovanou metodou kmedoid. Jednotlivé kroky tohoto programu jsou podrobně posány a na závěr je jeho funkčnost ověřena na databázi signálů z ÚBMI.
|
|
|
Stresss and fatique detection in complex driver's data
Šimoňáková, Sabína ; Králík, Martin (oponent) ; Mézl, Martin (vedoucí práce)
Main aim of our thesis is fatigue and stress detection from biological signals of a driver. Introduction contains information on published methods of detection and thoroughly informs readers about theoretical background necessary for our thesis. In the practical application we have firstly worked with a database of measured rides and subsequently chose their most relevant sections. Extraction and selection of features followed afterward. Five different classification models for tiredness and stress detection were used in the thesis and prediction was based on actual data. Lastly, the final section compares the best model of our thesis with the already published results.
|
|
|
Automatická detekce stresu pomocí biologických signálů
Votýpka, Tomáš ; Kozumplík, Jiří (oponent) ; Smíšek, Radovan (vedoucí práce)
Bakalářská práce je zaměřena na detekci stresu. Tato práce definuje pojem stres, analyzuje vhodné biologické signály k detekci stresu, představuje databáze biologických signálů, které byly využity pro detekci stresu a zmiňuje metody automatické detekce stresu. Následně byl v programovém prostředí MATLAB implementovaný program detekující stres. Pro realizaci programu byla využita volně dostupná databáze non-EEG signálů. Modely klasifikující stres, byly vytvořeny pomocí 4 metod strojového učení pro binární klasifikaci a 3 metod strojového učení pro klasifikaci 4 psychických stavů. Úspěšnosti klasifikačních úloh jsou shrnuty v závěru práce.
|
host ::
RSS.