|
|
Stanovení vzájemných vazeb mezi mozkovými strukturami
Klimeš, Petr ; Hlinka,, Jaroslav (oponent) ; Krajča,, Vladimír (oponent) ; Halámek, Josef (vedoucí práce)
Lidský mozek je tvořen vzájemně propojenými populacemi nervových buněk, které formují anatomicky i funkčně oddělené struktury. Pro studium fyziologie a patologie lidského mozku je zcela zásadní znát, jak jsou tyto struktury propojeny a jak se mezi nimi šíří informace. Publikované metody na detekci vzájemných vazeb se velmi často omezují pouze na analýzu povrchového EEG, pracují s vymezeným počtem kontaktů a nezachycují dynamický vývoj konektivity při kognitivních procesech nebo při různých stavech vědomí. Současně nepopisují konektivitu patologických částí mozku, jejíž analýza by mohla zásadně přispět k výzkumu a léčbě dané patologie. Cílem této práce je návrh metodiky a následná analýza časového průběhu vzájemných vazeb mezi mozkovými strukturami z intrakraniálního EEG. Analyzovány jsou fyziologické procesy v průběhu kognitivní stimulace, a lokální konektivita patologických částí epileptického mozku při klidu a spánku. Výsledky přinášejí nové poznatky v oblasti základního výzkumu fyziologie lidského mozku, kterých bylo dosaženo pomocí inovativního postupu, jenž kombinuje metody konektivity a výpočty výkonů EEG signálů. V druhé části práce je analyzována lokální konektivita epileptického ložiska (SOZ). Výsledky popisují funkční oddělení SOZ od okolní tkáně a mohou přispět do klinické praxe léčby epilepsie.
|
|
|
Frekvenční analýza stabilometrických signálů
Netopil, Ondřej ; Hejč, Jakub (oponent) ; Kozumplík, Jiří (vedoucí práce)
Tato práce se zabývá metodami frekvenční a časově frekvenční analýzy stabilometrického signálu. V úvodu je popsána teorie k posturografii a posturografickému měření. Dále práce obsahuje popis stabilometrických parametrů pro hodnocení v časové oblasti (1D a 2 D parametry) a ve frekvenční oblasti. Cílem práce je vytvořit přehled základních metod zpracování a předzpracování stabilometrického signálu a tyto metody porovnat. Součástí je praktická realizace analýzy pomocí frekvenčních metod, Fourierovy transformace a Burgovy metody a časově-frekvenčních metod, krátkodobé Fourierovy transformace a vlnkové transformace analýzy. Součástí jsou nástroje pro srovnání těchto metod.
|
|
|
Časově-frekvenční analýza
Tráge, David ; Hadinec, Michal (oponent) ; Kubásek, Radek (vedoucí práce)
Cílem tohoto bakalářské práce je zjistit možnosti získání analýzy časové, frekvenční a jejich vzájemné kombinace, časově-frekvenční, různými metodami například Fourierovou transformací a Vlnkovou transformací. Během práce se seznámíme s jednotlivými transformacemi a vysvětlíme postup jejich výpočtu a především jejich výhody a nevýhody z pohledu přesnosti určení velikosti frekvence signálu v čase.
|
|
|
Časově-frekvenční analýza elektrogramů
Doležal, Petr ; Ronzhina, Marina (oponent) ; Kolářová, Jana (vedoucí práce)
Tato práce se zabývá časově-frekvenční analýzou elektrogramů měřených na izolovaných srdcích morčat perfundovaných podle Langendorffa. Časově-frekvenční analýza je založena na algoritmech Matching Pursuit a Wigner-Villovy distribuce. V teoretické části práce jsou popsány základy elektrokardiografie, měření na izolovaných srdcích, teorie aproximační metody Matching Pursuit a její kombinace s Wigner-Villovou distribucí zobrazující spektrum hustoty energie signálu. Také jsou představeny další běžné přístupy časově-frekvenční analýzy včetně teorie spojité vlnkové transformace. Uvedené algoritmy byly otestovány na souboru elektrogramů, u kterých byla v rámci měření vyvolána ischemie a následně reperfuze. Navržená metoda umožňuje rychlou detekci ischemie bez jakékoli apriorní znalosti signálu, a taktéž slouží jako nástroj k rozměření významných bodů a intervalů elektrogramu. V závěru práce byla prezentována úspěšnost metody a diskutovány možnosti jejího využití.
|
|
|
Bezkontaktní detekce fyziologických parametrů z obrazových sekvencí
Bršlicová, Tereza ; Janoušek, Oto (oponent) ; Kolář, Radim (vedoucí práce)
Diplomová práce se zabývá studií bezkontaktních a neinvazivních metod pro odhad tepové a dechové frekvence. Bezkontaktní měření spočívá ve snímání osob běžnou videokamerou a ze získaných sad obrazových sekvencí jsou vhodnými přístupy vyhodnoceny hodnoty fyziologických parametrů. Teoretická část práce je věnována především popisu jednotlivých metod a jejich implementace. Praktická část popisuje návrh a realizaci experimentu pro bezkontaktní detekci tepové a dechové frekvence. Experiment byl uskutečněn na 10 dobrovolnících se známou hodnotou tepové a dechové frekvence, což zajišťoval sofistikovaný systému BIOPAC. Zpracování a analýza naměřených dat byla provedena v programovém prostředí Matlab. Nakonec bylo provedeno srovnání výsledků z bezkontaktní detekce a referenčního měření systémem BIOPAC. Výsledky experimentu jsou statisticky vyhodnoceny a diskutovány.
|
|
|
Časově-frekvenční analýza hrubého domácího produktu ČR
Tráge, David ; Poměnková, Jitka (oponent) ; Maršálek, Roman (vedoucí práce)
Cílem diplomové práce je seznámení s problematikou a pojmy v ekonometrii (HDP, investice, spotřeba a další). Budou uvedena používaná data především jejich vlastnosti a předpoklady a probrány možnosti metod frekvenční a časově-frekveční analýzy těchto dat pomocí Fourierovy a Vlnkové transformace. Údaje kvartálního vývoje hrubého domácího produktu v ČR, EU a USA budou analyzovány pomocí programu MATLAB. Data budou filtrována třemi ekonomickými filtry: Hodrick-Prescottův, Baxter-Kingův a Christiano-Fitzgeraldův filtr. Cílem je nalezení cyklických složek ve vývojích HDP a návrhu optimální analýzy.
|
|
|
Klasifikace mikrospánku analýzou EEG
Ronzhina, Marina ; Smital, Lukáš (oponent) ; Čmiel, Vratislav (vedoucí práce)
Tato diplomová práce se zabývá detekcí mikrospánku na základě změn energetického spektra EEG signálu. Vstupními hodnotami pro klasifikaci jsou výsledky časově-frekvenční analýzy. Navržená metoda klasifikace využívá aparát fuzzy logiky. Jsou navřeny 4 klasifikátory, jejichž základem jsou fuzzy inferenční systémy lišící se bázi pravidel. Pro návrh funkce příslušnosti premis pravidel jsou použity výsledky fuzzy shlukování. První dva klasifikátory pro detekci mikrospánku využívají pouze alfa pásmo spektrogramu EEG signálu. Tedy umožňují detekci jen stavu relaxace. Třetí klasifikátor je na rozdíl od předcházejících doplněn pravidly pro delta pásmo, co dává možnost rozlišovat v spektru 3 stavy: mentace, relaxace a somnolence. Čtvrtý klasifikátor má rozhodovací mechanismus zahrnující celé pásmo signálu. Uvažovaný přístup ke klasifikaci mikrospánku je realizován a implementován prostřednictvím programového vybavení počítače. Je vytvořen uživatelský program s grafickým rozhraním.
|
host ::
RSS.