|
|
Detekce obtížně diferencovatelných skupin srdečních arytmií
Kantor, Marek ; Ronzhina, Marina (oponent) ; Novotná, Petra (vedoucí práce)
Tato práce se zabývá problematikou detekčních metod fibrilace síní, flutteru síní a sinusového rytmu ze záznamu EKG. Práce rovněž pojednává o těchto arytmiích a klasifikačních algoritmech vhodných pro tuto problematiku. V rámci této práce je vytvořeno několik přístupů klasifikace. Pro extrakci příznaků je využita konvoluční neuronová síť a klasifikace je realizovaná prostřednictvím umělé neuronové sítě. Vybrána metoda 1D CNN pro tyto těžko diferencovatelné srdeční arytmie dosahuje průměrné přesnosti klasifikace F1 - skóre = 91 %. Vybrána CNN optimalizovaná pomocí GA je rychlá mělká síť s lepší přesností než hluboká síť. Vytvořené modely jsou použity i pro klasifikaci jiných typů arytmií.
|
|
|
Detekce komorových extrasystol v EKG
Kantor, Marek ; Ronzhina, Marina (oponent) ; Novotná, Petra (vedoucí práce)
Tato práce se zabývá problematikou detekčních metod extrasystol z EKG signálu a popisu elektrokardiogramu, převodního systému srdečního, extrasystol a komorových tachykardií. Extrasystoly jsou předčasné komorové stahy způsobené ektopickými ložisky. Klasifikace je založena na předzpracování signálu, detekci píku R, segmentaci, výběru příznaků pro jednotlivé metody, normalizaci příznaků a učebním algoritmu pro klasifikaci. Vybrané a realizované metody dosahují přesnosti ACC = 98 %, senzitivity SE =100 % a specificity SP = 96,1 %. Získané příznaky byly rovněž využity pro detekci blokád Tawarova raménka.
|
|
|
Detekce obtížně diferencovatelných skupin srdečních arytmií
Kantor, Marek ; Ronzhina, Marina (oponent) ; Novotná, Petra (vedoucí práce)
Tato práce se zabývá problematikou detekčních metod fibrilace síní, flutteru síní a sinusového rytmu ze záznamu EKG. Práce rovněž pojednává o těchto arytmiích a klasifikačních algoritmech vhodných pro tuto problematiku. V rámci této práce je vytvořeno několik přístupů klasifikace. Pro extrakci příznaků je využita konvoluční neuronová síť a klasifikace je realizovaná prostřednictvím umělé neuronové sítě. Vybrána metoda 1D CNN pro tyto těžko diferencovatelné srdeční arytmie dosahuje průměrné přesnosti klasifikace F1 - skóre = 91 %. Vybrána CNN optimalizovaná pomocí GA je rychlá mělká síť s lepší přesností než hluboká síť. Vytvořené modely jsou použity i pro klasifikaci jiných typů arytmií.
|
|
|
Detekce komorových extrasystol v EKG
Kantor, Marek ; Ronzhina, Marina (oponent) ; Novotná, Petra (vedoucí práce)
Tato práce se zabývá problematikou detekčních metod extrasystol z EKG signálu a popisu elektrokardiogramu, převodního systému srdečního, extrasystol a komorových tachykardií. Extrasystoly jsou předčasné komorové stahy způsobené ektopickými ložisky. Klasifikace je založena na předzpracování signálu, detekci píku R, segmentaci, výběru příznaků pro jednotlivé metody, normalizaci příznaků a učebním algoritmu pro klasifikaci. Vybrané a realizované metody dosahují přesnosti ACC = 98 %, senzitivity SE =100 % a specificity SP = 96,1 %. Získané příznaky byly rovněž využity pro detekci blokád Tawarova raménka.
|
host ::
RSS.