|
|
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.
|
|
|
Shluková analýza signálu EKG
Pospíšil, David ; Kozumplík, Jiří (oponent) ; Klimek, Martin (vedoucí práce)
Tato diplomová práce se zabývá použitím některých metod shlukové analýzy na signál EKG s cílem třídění QRS komplexů podle jejich morfologií na normální a abnormální. Je využito hierarchické aglomerativní shlukování a nehierarchická metoda K – Means, pro něž byla v programovém prostředí Mathworks MATLAB vytvořena aplikace. První část práce se zabývá teorií v oblasti signálu EKG a shlukové analýzy, druhou je pak návrh, realizace a zhodnocení výsledků softwaru pro využití shlukové analýzy na EKG signálu k automatickému třídění QRS komplexů do shluků.
|
|
|
Identifikace abnormálních EKG segmentů pomocí metody Multiple-Instance Learning
Šťávová, Karolína ; Smíšek, Radovan (oponent) ; Hejč, Jakub (vedoucí práce)
Srdeční arytmie jsou velmi častým srdečním onemocněním, jejichž výskyt v populaci se zvyšuje. Tato práce se zabývá automatickou detekcí komorových extrasystol ze záznamů 12svodového EKG, k čemuž využívá hlubokého učení. Prostřednictvím techniky založené na přístupu Multiple-Instance Learning je dále provedena lokalizace těchto arytmií (klíčových instancí) v záznamu. V teoretické části práce je popsána základní elektrofyziologie srdce a princip fungování hlubokého učení zejména se zaměřením na konvoluční neuronové sítě. V rámci programového řešení v jazyce Python byl využit model postavený na architektuře InceptionTime, pomocí něhož byla provedena klasifikace signálů do vybraných tříd. Pro zjištění lokalit klíčových instancí v EKG byla implementována metoda Grad-CAM. Hodnocení kvality detekce arytmií proběhlo prostřednictvím výpočtu F1 skóre a výsledky byly na konci práce diskutovány.
|
|
|
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.
|
|
|
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.
|
|
|
Vliv teploty na vznik arytmií během vývoje srdce
Vostárek, František ; Sedmera, David (vedoucí práce) ; Tomek, Viktor (oponent) ; Naňka, Ondřej (oponent)
4 Abstrakt: Cíle: Hlavním cílem této práce bylo podrobně popsat změny ve funkci izolovaného embryonálního kuřecího srdce v reakci na akutní změny teploty a stresové podmínky v prostředí in vitro společně s porovnáním reakce embryonálního srdce in ovo. Metody: Změny ve funkci čtyřdenního kuřecího srdce v prostředí in vitro jsme pozorovali pomocí vysokorychlostního optického mapování intracelulární dynamiky kalcia při třech různých teplotách. Kontrolní teplota (normotermie) byla 37 řC, 34 řC - hypotermie a 40 řC - hypertermie. Pro porovnání jsme při stejných teplotách sledovali změny ve funkci srdce pomocí videomikroskopie v prostředí in ovo. Pro zjištění frekvenčních limitů jednotlivých srdečních segmentů jsme provedli experimenty s elektrickou stimulací in ovo a in vitro. Výsledky: V pozorovaném teplotním rozmezí jsme pozorovali téměř lineární závislost sinusové frekvence na teplotě. Proti normotermii činila změna sinusové frekvence in vitro a in ovo při hypotermii i hypertermii přibližně 20%. Pokles teploty ze 37 řC na 34 řC in vitro nezpůsobil významné změny v amplitudě kalciových transientů, zatímco nárůst teploty ze 37 řC na 40 řC snížil amplitudy v síních a komorách o 35%, respektive 38%. V prostředí in vitro jsme pozorovali řadu spontánních arytmií již při normotermii, proti prostředí in ovo, kde se...
|
|
|
Identifikace abnormálních EKG segmentů pomocí metody Multiple-Instance Learning
Šťávová, Karolína ; Smíšek, Radovan (oponent) ; Hejč, Jakub (vedoucí práce)
Srdeční arytmie jsou velmi častým srdečním onemocněním, jejichž výskyt v populaci se zvyšuje. Tato práce se zabývá automatickou detekcí komorových extrasystol ze záznamů 12svodového EKG, k čemuž využívá hlubokého učení. Prostřednictvím techniky založené na přístupu Multiple-Instance Learning je dále provedena lokalizace těchto arytmií (klíčových instancí) v záznamu. V teoretické části práce je popsána základní elektrofyziologie srdce a princip fungování hlubokého učení zejména se zaměřením na konvoluční neuronové sítě. V rámci programového řešení v jazyce Python byl využit model postavený na architektuře InceptionTime, pomocí něhož byla provedena klasifikace signálů do vybraných tříd. Pro zjištění lokalit klíčových instancí v EKG byla implementována metoda Grad-CAM. Hodnocení kvality detekce arytmií proběhlo prostřednictvím výpočtu F1 skóre a výsledky byly na konci práce diskutovány.
|
|
|
Vliv teploty na vznik arytmií během vývoje srdce
Vostárek, František
4 Abstrakt: Cíle: Hlavním cílem této práce bylo podrobně popsat změny ve funkci izolovaného embryonálního kuřecího srdce v reakci na akutní změny teploty a stresové podmínky v prostředí in vitro společně s porovnáním reakce embryonálního srdce in ovo. Metody: Změny ve funkci čtyřdenního kuřecího srdce v prostředí in vitro jsme pozorovali pomocí vysokorychlostního optického mapování intracelulární dynamiky kalcia při třech různých teplotách. Kontrolní teplota (normotermie) byla 37 řC, 34 řC - hypotermie a 40 řC - hypertermie. Pro porovnání jsme při stejných teplotách sledovali změny ve funkci srdce pomocí videomikroskopie v prostředí in ovo. Pro zjištění frekvenčních limitů jednotlivých srdečních segmentů jsme provedli experimenty s elektrickou stimulací in ovo a in vitro. Výsledky: V pozorovaném teplotním rozmezí jsme pozorovali téměř lineární závislost sinusové frekvence na teplotě. Proti normotermii činila změna sinusové frekvence in vitro a in ovo při hypotermii i hypertermii přibližně 20%. Pokles teploty ze 37 řC na 34 řC in vitro nezpůsobil významné změny v amplitudě kalciových transientů, zatímco nárůst teploty ze 37 řC na 40 řC snížil amplitudy v síních a komorách o 35%, respektive 38%. V prostředí in vitro jsme pozorovali řadu spontánních arytmií již při normotermii, proti prostředí in ovo, kde se...
|
|
|
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.
|
host ::
RSS.