|
|
Využití neuronové sítě při detekci poruch srdečního rytmu z EKG dat a signálu akcelerometru
Aleksandrenko, Borys ; Ředina, Richard (oponent) ; Bulková, Veronika (vedoucí práce)
Tato bakalářská práce se věnuje problematice detekce poruch srdečního rytmu ze signálů EKG a akcelerometru s využitím strojového učení. Nejprve byla provedena analýza možností detekce poruch srdečního rytmu z těchto signálů pomocí teoretické rešerše. V další části byla navržena metodika pro detekci dvou poruch rytmu: nepřiměřené sinusové tachykardie a chronotropní inkompetence. Metodika byla dodatečně doplněna adaptivní filtrací EKG signálu pomocí signálu akcelerometru. Ve třeti částí práce byla vytvořena databáze vzorků pro trénování modelů strojového učení navržených v metodice. Další část obsahovala popis a realizaci modelů. V páté části práce byla v programovacím jazyce Python vytvořena aplikace pro detekci poruch srdečního rytmu pomocí navržené metodiky. Nakonec byla provedena diskuze a evaluace výsledků.
|
|
|
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 %.
|
|
|
Klasifikace akcelerometrických dat v rámci pacientského záznamu EKG
Kindl, Zdeněk ; Ředina, Richard (oponent) ; Bulková, Veronika (vedoucí práce)
Předmětem bakalářské práce je klasifikace akcelerometrických dat pacienta. Cílem je zlepšení objasnění patologií v EKG signálu. Klasifikace probíhá na datech, která byla naměřena zařízením Bittium Faros 180L. Byla vytvořena vlastní databáze pohybů. Pacientská data jsou zpracovávána pomocí rekurentní neuronové sítě. Ta rozdělí pohyby do tří základních skupin: klidová aktivita, mírná aktivita, vysoká aktivita. Výstupem je soubor s anotací pohybu. Práce obsahuje popis neuronových sítí, data, zpracování dat a vytvoření neuronové sítě s kódy.
|
|
|
Vztah postavení pánve a zátěže chodidel ve stoji
Podhorná, Petra ; Ředina, Richard (oponent) ; Moc Králová, Dagmar (vedoucí práce)
Tato bakalářská práce objasňuje souvislosti vztahu mezi postavením pánve a zátěže chodidel ve stoji u zdravých jedinců. Jednotlivé parametry pro hodnocení vztahu byly získány měřením pasivního a aktivního stoje na přístroji DIERS. V první části práce jsou popsány klíčové svalové skupiny a je provedena rešerše zaměřená na vliv chodidel na postavení pánve. V další části je uveden obecný popis jednotlivých systémů přístroje DIERS Formetric 4D a Pedogait. Praktická část se zaměřuje na analýzu parametrů páteře, pánve a chodidel v rámci individuality jedince a následně na statistickou analýzu dat homogenní skupiny. Jako statisticky významné se ukázaly parametry torze pánve, úhel bederní lordózy, opěrná plocha, max. tlaková síla a tlak chodidel.
|
|
| |
|
|
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.
|
|
|
Interpretace učebního procesu klasifikátoru fibrilace síně
Lichtblauová, Anna ; Ředina, Richard (oponent) ; Novotná, Petra (vedoucí práce)
V rámci teoretické části bakalářské práce byla nastudována problematika detekce fibrilace síní (FS) a práce s konvolučními neuronovými sítěmi (CNN). Následně byly v praktické části vytvořeny dva klasifikátory. První byl určen pro klasifikaci sinusového rytmu, fibrilace síní a ostatních patologií, druhý dále rozlišoval kategorii "fibrilace síní" podle skutečnosti, zda se nacházela v celém záznamu nebo jen v jeho části. Výsledná přesnost byla 82.12~\% v případě prvního, resp. 85.14 \% v případě druhého klasifikátoru.
|
|
|
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.
|
|
|
Analýza časově-frekvenčních charakteristik signálů
Vitouš, Jiří ; Ředina, Richard (oponent) ; Poměnková, Jitka (vedoucí práce)
Tato práce se zabývá časově-frekvenční analýzou diskrétních signálů. Cílem práce je porovnat hlavní známé metody pro odhad spektro/škálogramu. Hlavní důraz je kladen na problematiku spojenou s kompromisem mezi časovým a frekvenčním rozlišením a také na vliv míry zašumění vstupních dat na kvalitu odhadnutého spektrogramu. Pro tyto účely je sestavena databáze reálných a umělých signálů, na kterých je demonstrována úspěšnost jednotlivých metod odhadu spektrogramů. Databáze je následně využita v demonstračním programu, sloužícím k porovnání jednotlivých metod analýzy. Kolem tohoto programu je také sestaveno počítačové cvičení.
|
|
|
Třídění EKG cyklů pomoci shlukové analýzy
Ředina, Richard ; Smíšek, Radovan (oponent) ; Ronzhina, Marina (vedoucí práce)
Bakalářská práce pojednává o~aplikaci shlukové analýzy na~různé záznamy EKG s~cílem vytvoření spolehlivého algoritmu na~detekci odlišných QRS komplexů. Samotný algoritmus zahrnuje filtraci, upravení pozic R kmitů, vytvoření vzorového cyklu. Následuje porovnání na~základě korelace a~střední kvadratické odchylky, ze~kterých se stanou data pro shlukování metodou k-means. Výsledný počet shluků je odvozen z~průměrné hodnoty silulet pro~různé počty shluků.
|
host ::
RSS.