|
|
Detekce hypoglykémie pomocí chytrých zařízení
Stránský, Matyáš ; Vargová, Enikö (oponent) ; Němcová, Andrea (vedoucí práce)
Tato práce se zabývá možností využití chytrého zařízení pro detekci hypoglykémie. Hypoglykémie je nebezpečný stav u osob s onemocněním diabetes mellitus. Problém nastává hlavně během spánku, kdy osoba nedokáže včas reagovat. Cílem této práce je z nasnímaných dat určit, které příznaky (srdeční tep nebo elektrodermální aktivita) jsou ovlivněny hypoglykémií. Pomocí chytrého zařízení byla nasnímána data během spánku. Současně byla měřena také hladina glykémie jako referenční hodnota pomocí senzoru pro sledování hladiny glukózy. Hodnoty byly předzpracovány a následně z nich byly vybrány příznaky pro určení hypoglykémie. Na základě těchto vybraných příznaků byl vytvořen model pro detekci hypoglykémie.
|
|
|
Hodnocení zdraví pomocí chytrých zařízení
Vargová, Enikö ; Filipenská, Marina (oponent) ; Němcová, Andrea (vedoucí práce)
Tato práce se zabývá možností neinvazivního stanovení glykémie z fotopletysmografických signálů. Zvýšená glykémie často souvisí s onemocněním zvaným diabetes mellitus, což je jedno z nejčastějších chronických onemocnění na světě. Neléčený diabetes bývá často příčinou úmrtí. Cílem práce je vytvořit algoritmus pro klasifikaci a predikci glykémie. Nejdříve byly naměřeny dvě databáze PPG signálů s využitím dvou chytrých zařízení (chytrý náramek a chytrý telefon). Současně byla měřena také referenční hodnota glykémie invazivně. PPG signály byly předzpracovány a byly z nich extrahovány vhodné příznaky pro klasifikaci i predikci konkrétní hodnoty glykémie. Následně bylo vytvořeno několik různých modelů pro klasifikaci glykémie do dvou skupin (nízká a vysoká glykémie) a pro predikci konkrétní hodnoty glykémie.
|
|
|
Stanovení kvality a odhad tepové frekvence ze signálu PPG
Vargová, Enikö ; Vítek, Martin (oponent) ; Němcová, Andrea (vedoucí práce)
Tato práce se zabývá fotopletysmografickými (PPG) signály, jejich zpracováním, stanovením kvality, odhadem tepové frekvence z PPG signálů a možností snímat biologické signály chytrými telefony. Cílem práce je nasnímat PPG signály pomocí chytrého telefonu a referenční EKG signály použitím EKG záznamníku. Dále navržení algoritmu pro stanovení kvality signálů v databázi a algoritmu pro stanovení tepové frekvence.
|
|
|
Neinvazivní stanovení glykémie z fotopletysmografických signálů nasnímaných pomocí chytrých zařízení
Vargová, Enikö ; Němcová, Andrea
Tento příspěvek se zabývá možnostmi neinvazivního stanovení glykémie z fotopletysmografických (PPG) signálů nasnímaných pomocí chytrého náramku a chytrého telefonu. Byly navrženy a implementovány dvě metody pro klasifikaci glykémie do dvou skupin (nízká a vysoká glykémie). Byly také vytvořeny modely strojového učení pro predikci konkrétní hodnoty glykémie. Reference byla získána invazivním měřením glykémie pomocí glukometru. Nejlepších výsledků klasifikace PPG záznamů do dvou skupin dosahuje metoda náhodný les (RF) a metoda podpůrných vektorů (SVM) s rbf jádrem. Zmíněné modely dosahují přesnosti na testovací sadě dat z chytrého náramku Acc = 76 % (SVM) a Acc = 75 % (RF). Ověření funkčnosti navržených modelů bylo následně provedeno na testovací sadě dat z chytrého telefonu, kde oba modely dosahují obdobných výsledků: Acc = 74 % (SVM) a Acc = 75 % (RF). Konkrétní hodnotu glykémie nejlépe predikoval RF pro regresi, který dosahuje průměrné absolutní chyby MAE = 1,25 mmol/l na testovací sadě dat z chytrého náramku a MAE = 1,37 mmol/l na testovací sadě dat z chytrého telefonu.
|
|
|
Estimation of blood glucose level based on PPG signals measured by smart devices
Vargová, Enikö ; Němcová, Andrea
This paper deals with the possibilities of non-invasivedetermination of blood glucose from photoplethysmographic signals.Monitoring blood sugar is the most important part of managingdiabetes. Diabetes is one of the world’s major chronic diseases.Untreated diabetes is often a cause of death.Two datasets have been created by recording thephotoplethysmographic signals of 16 people using two smart devices(a smart wristband and a smartphone), along with their bloodglucose levels measured in an invasive way. Thephotoplethysmographic signals were preprocessed, and suitablefeatures were extracted from them. The aim of the work is to proposemethods for glycemic classification and prediction.Various machine-learning models were created. The best modelfor classifying blood glucose into two groups (low blood glucose andhigh blood glucose) is random forest, which achieves an F1 score of84% and 80% on two different test sets obtained from two smartdevices. The best blood glucose level prediction model is also basedon random forest and achieves an MAE of 1.02 mmol/l and 1.17mmol/l on both testing datasets.
|
|
|
Hodnocení zdraví pomocí chytrých zařízení
Vargová, Enikö ; Filipenská, Marina (oponent) ; Němcová, Andrea (vedoucí práce)
Tato práce se zabývá možností neinvazivního stanovení glykémie z fotopletysmografických signálů. Zvýšená glykémie často souvisí s onemocněním zvaným diabetes mellitus, což je jedno z nejčastějších chronických onemocnění na světě. Neléčený diabetes bývá často příčinou úmrtí. Cílem práce je vytvořit algoritmus pro klasifikaci a predikci glykémie. Nejdříve byly naměřeny dvě databáze PPG signálů s využitím dvou chytrých zařízení (chytrý náramek a chytrý telefon). Současně byla měřena také referenční hodnota glykémie invazivně. PPG signály byly předzpracovány a byly z nich extrahovány vhodné příznaky pro klasifikaci i predikci konkrétní hodnoty glykémie. Následně bylo vytvořeno několik různých modelů pro klasifikaci glykémie do dvou skupin (nízká a vysoká glykémie) a pro predikci konkrétní hodnoty glykémie.
|
|
|
Ppg Signal Quality Assessment And Heart Rate Estimation
Vargová, Enikö
The presented paper describes an algorithm for signal quality assessment based on clusteranalysis and also an algorithm for heart rate estimation from PPG signals. This work includesa database which comprises 48 PPG signals collected by a smartphone and 48 ECG signals recordedby an ECG recorder. The accuracy of the quality assessment is 97,5 % on the training set and87,5 % on the test set. The average deviation of the estimated heart rate is 1,39889 bpm.
|
|
|
Stanovení kvality a odhad tepové frekvence ze signálu PPG
Vargová, Enikö ; Vítek, Martin (oponent) ; Němcová, Andrea (vedoucí práce)
Tato práce se zabývá fotopletysmografickými (PPG) signály, jejich zpracováním, stanovením kvality, odhadem tepové frekvence z PPG signálů a možností snímat biologické signály chytrými telefony. Cílem práce je nasnímat PPG signály pomocí chytrého telefonu a referenční EKG signály použitím EKG záznamníku. Dále navržení algoritmu pro stanovení kvality signálů v databázi a algoritmu pro stanovení tepové frekvence.
|
host ::
RSS.