|
|
Program pro analýzu pachů pro experimentální elektronický nos
Janošíková, Pavla ; Szendiuch, Ivan (oponent) ; Adámek, Martin (vedoucí práce)
Tato práce se zabývá zpracováním dat přijatých ze senzorického zařízení známého jako elektronický nos. Práce seznamuje s možnostmi provedení elektronických nosů a s nejznámějšími typy analýz určených k rozpoznávání pachů, které se používají v potravinářství. Práce je zaměřena na analýzu hlavních komponent a vytvoření programu, který zpracovává data z jednoduchého elektronického nosu. Program data nejen přijímá, ale i ukládá a dále zpracovává pro lepší přehlednost výsledků. Pomocí programu je možné vytvořit databázi vzorků a určit neznámý vzorek, pokud je již v uložen v databázi. Součástí práce je experiment, který má za úkol zjistit, jestli je vytvořený program schopný lépe rozpoznat určité pachy než lidský nos.
|
|
|
Nalezení a rozpoznání dominantních rysů obličeje
Švábek, Hynek ; Láník, Aleš (oponent) ; Chmelař, Petr (vedoucí práce)
Tato práce pojednává o stále více se rozvíjející oblasti biometrických systémů, kterou je rozpoznání obličejů. Dokument se zabývá možnostmi lokalizace tváře na obrazcích a jejich normalizací, která je nutná z důvodu vnějších vlivů i vlivem různých snímacích technik. Jsou zde popsány různé techniky lokalizace dominatních rysů obličeje, kterými jsou např. oči, ústa, nos. V neposlední řadě práce popisuje různé přístupy k rozpoznání obličejů. Dále je zpracován návrh s implementací aplikace pro rozpoznání dominantních rysů obličeje demonstrující zvolené metody pro nalezení dominatních rysů (Houghova transformace pro detekci kružnic, lokalizace úst ze znalosti umístění očí) a identifikaci obličeje (lineární diskriminační analýza, jádrová diskriminační analýza). Poslední část diplomové práce obsahuje shrnutí dosažených výsledků a závěr.
|
|
|
Klasifikace srdečních cyklů z více svodového EKG pomocí metody hlavních komponent
Vlček, Milan ; Vítek, Martin (oponent) ; Ronzhina, Marina (vedoucí práce)
Cílem této diplomové práce je seznámit se s metodou hlavních komponent. Dále se zaměřit na její využití při zpracování srdečních cyklů. Tato metoda umožňuje zredukovat množství dat beze ztráty užitečných informaci, což je důvodem proč se v posledních letech často používá pro zpracování dat a pro jejich následnou klasifikaci, kterou se tato práce také zabývá. Data byla získána ústavem biomedicínského inženýrství na FEKT VUT v Brně. Jejich následná analýza byla provedena v programu Matlab.
|
|
|
Detekce síťových anomálií založená na PCA
Krobot, Pavel ; Kováčik, Michal (oponent) ; Bartoš, Václav (vedoucí práce)
Tato práce se zabývá detekcí anomálií v počítačových sítích. Konkrétní metoda, jež bude dále popsána, je založena na analýze hlavních komponent. V rámci této práce byl studován původní návrh této metody a jeho další dvě rozšíření. Základní verze a poslední rozšíření pak byly implementovány společně s jedním dalším malým rozšířením, které bylo navrženo v rámci této práce. Nad výslednou implementací byla následně provedena série testů. Tyto testy přinesly dva hlavní poznatky. První z nich poukazuje na možnou použitelnost analýzy hlavních komponent pro detekci anomálií v síťovém provozu. Druhý pak poznamenává, že přestože se metoda v jistých ohledech ukázala jako funkční, je ještě nedokonalá a je potřeba dalšího výzkumu pro její vylepšení.
|
|
|
Sledování pohybu srdečního svalstva v ultrazvukovém záznamu
Strecha, Juraj ; Drahanský, Martin (oponent) ; Mráček, Štěpán (vedoucí práce)
Tato práce se zabývá návrhem algoritmu a implementací programu, který v pořízeném ultrazvukovém videozáznamu srdce sleduje pohyb srdečního svalstva. Odhad polohy sledovaných bodů počítá metoda optického toku. K utvrzení správnosti polohy sledované struktury se používá statistický model Active Shape Model. Uživatel vyznačí strukturu srdečního oblouku a aplikace na dalších snímcích záznamu zobrazuje novou polohu bodů, které reprezentují nový deformovaný tvar.
|
|
|
Nástroj pro predikci atributů životního stylu na základě metagenomických dat z tlustého střeva
Kubica, Jan ; Hon, Jiří (oponent) ; Smatana, Stanislav (vedoucí práce)
Tato práce se zabývá analýzou lidského mikrobiomu na základě metagenomických dat z tlustého střeva. Předmětem zkoumání je zastoupení bakterií na různých taxonomických úrovních v závislosti na životním stylu jedince. Byl vytvořen nástroj klasifikující jednotlivé atributy, jako jsou stravovací návyky (vegetarián, vegan, všežravec), citlivost na lepek a laktózu, body mass index nebo věk či pohlaví, s využitím metod strojového učení. Při implementaci byly zvoleny metody k nejbližších sousedů (kNN), náhodný les (RF) a metoda podpůrných vektorů (SVM). Data pro natrénování klasifikátoru a vyhodnocení byla čerpána z projektu American Gut. Práce se rovněž zaobírá problémy spojenými s danými datovými sadami, jako je mnoharozměrnost, řídkost, jejich kompoziční závislost a nevyváženost.
|
|
| |
|
| |
|
|
Novel cancer biomarkers derived from quantitative phase imaging of biopsy cells
Plišková, Diana ; Týč, Matěj (oponent) ; Kolářová, Jana (vedoucí práce)
The main objective of this work is the development of novel cancer biomarkers usable in personalized treatments. To understand why this issue is important, a brief description of cancer, including statistical results over the past years, is provided. The work also describes individual methods of light microscopy that can be used in cell analysis and subsequent image processing consisting of segmentation, tracking, feature extraction and classification. In this work, the main cell features, such as cell motility and shape, are presented. These features can be potential biomarkers in the treatment of cancer.
|
|
|
Heart beat classification
Potočňák, Tomáš ; Kozumplík, Jiří (oponent) ; Ronzhina, Marina (vedoucí práce)
The aim of this work was to develop the method for classification of ECG beats into two classes, namely ischemic and non-ischemic beats. Heart beats (P-QRS-T cycles) selected from animals orthogonal ECGs were preprocessed and used as the input signals. Spectral features vectors (values of cross spectral coherency), principal component and HRV parameters were derived from the beats. The beats were classified using feedforward multilayer neural network designed in Matlab. Classification performance reached the value approx. from 87,2 to 100%. Presented results can be suitable in future studies aimed at automatic classification of ECG.
|
host ::
RSS.