|
|
Odhad dechové frekvence ze signálů EKG a PPG
Blaude, Ondřej ; Němcová, Andrea (oponent) ; Kozumplík, Jiří (vedoucí práce)
Tato bakalářská práce je zaměřena na odhad dechové frekvence. V práci jsou popisovány a realizovány metody odhadu dechové frekvence ze signálů EKG a PPG. V prvních dvou kapitolách je stručně popsán základ měření signálu EKG a snímání dýchání, potažmo signál PPG. Kapitola třetí se již věnuje metodám pro odhad dechové křivky a v teoretické rovině vysvětluje metody i algoritmy pro odhad respiračního signálu z EKG a PPG, následně pak stanovení dechové frekvence. Ve čtvrté kapitole jsou vybrané metody realizovány a stvořené algoritmy aplikovány na reálná data z BIDMC databáze.
|
|
|
Automaticka diagnostika 12svodoveho EKG pomoci hlubokeho uceni
Blaude, Ondřej ; Chmelík, Jiří (oponent) ; Provazník, Valentine (vedoucí práce)
Tato diplomová práce má za cíl prozkoumat problematiku automatické diagnostiky EKG, a to na dvanáctisvodových záznamech. Tato problematika je řešena standardními metodami, jako například náhodný les, umělé neuronové sítě nebo K-nejbližších sousedů. Díky své schopnosti samostatně extrahovat příznaky se ale těší oblibě i metody hlubokého učení. Všechny tyto metody jsou popsány v teoretické části. V praktické části byly navrženy deeplearningové modely, jejichž funkčnost byla ověřována za pomoci dat z databáze PhysioNet. Byly vytvořeny dva pilotní modely, které byly následně optimalizovány. Z celého progresu optimalizace parametrů jsou k dispozici tři modely, z nichž nejlepší dosahuje F1 skóre 87,35 % a přesnosti 83,7 %, a druhý nejlepší dosahuje F1 skóre 77,74 % a přesnosti 84,53 %. Výsledky, kterých bylo dosaženo, jsou diskutovány a porovnány s výsledky podobných publikací.
|
|
|
Automaticka diagnostika 12svodoveho EKG pomoci hlubokeho uceni
Blaude, Ondřej ; Smital, Lukáš (oponent) ; Provazník, Valentine (vedoucí práce)
Tato diplomová práce má za cíl prozkoumat problematiku automatické diagnostiky EKG, a to na dvanáctisvodových záznamech. V kapitole první je krátce popsán úvod k srdci a měření jeho elektrické aktivity, navíc jsou zde krátce popsány abnormality, které budou v práci klasifikovány. Ve druhé kapitole je popsáno, jak bylo EKG diagnostikováno dříve, tedy klasickými metodami, které předcházely hlubokému učení. Zde jsou i zmíněny některé nedostatky, které tyto metody mají právě oproti hlubokému učení. Část třetí již věnuje pozornost hlubokému učení samotnému, jeho přínosu a výhodám ve srovnání s metodami klasickými. Popsány jsou zde i konvoluční neuronové sítě a jejich jednotlivé bloky, později je věnována pozornost i vybraným architekturám, které byly v některých studiích použity. Kapitola čtvrtá se již zaměřuje na praktickou část, v níž jsou podrobněji popsána použitá data z databáze PhysioNet, navržený algoritmus a jeho realizace. V páté kapitole jsou výsledky diskutovány a srovnány výsledky dostupných publikací se související problematikou.
|
|
|
Odhad dechové frekvence ze signálů EKG a PPG
Blaude, Ondřej ; Němcová, Andrea (oponent) ; Kozumplík, Jiří (vedoucí práce)
Tato bakalářská práce je zaměřena na odhad dechové frekvence. V práci jsou popisovány a realizovány metody odhadu dechové frekvence ze signálů EKG a PPG. V prvních dvou kapitolách je stručně popsán základ měření signálu EKG a snímání dýchání, potažmo signál PPG. Kapitola třetí se již věnuje metodám pro odhad dechové křivky a v teoretické rovině vysvětluje metody i algoritmy pro odhad respiračního signálu z EKG a PPG, následně pak stanovení dechové frekvence. Ve čtvrté kapitole jsou vybrané metody realizovány a stvořené algoritmy aplikovány na reálná data z BIDMC databáze.
|
host ::
RSS.