|
|
Estimation of myocardial conduction velocity using a coronary sinus catheter
Ředina, Richard ; Ronzhina, Marina
This paper deals with the measurement of theconduction velocity of the depolarization wave through the atrialmyocardium. With the increasing number of electrophysiologicalprocedures performed on people suffering from cardiac arrhythmias,the number of relapses is gradually rising. A reliable toolto predict these relapses is still being sought. One parameter forprediction could be the conduction velocity of the depolarizationwave, which could reflect the degree of myocardial damage.Data from pediatric patients were used to measure it.With knowledge of the electrode placement on the intracardiaccatheter and detection of atrial activity in the measured leads,the average myocardial conduction velocity along the catheterwas calculated (v = 143.77 ± 21.08 cm/s).This method brings simplicity and time saving to the wholeprocess of measuring line speed. The results of this method shouldalso be tested on an adult population where relevant models existfor comparison.
|
|
|
Imbalanced data training approaches in neural network
Vicianová, Veronika ; Ředina, Richard (oponent) ; Jakubíček, Roman (vedoucí práce)
This thesis deals with the research and implementation of methods that eliminate the influence of an imbalanced dataset on the learning of neural networks. Individual methods are compared with each other for different levels of imbalance. The experiments carried out in the work are also compared with the available literature and a control experiment, which was carried out without the method of eliminating the influence of an imbalanced dataset. The experiments are extended to another dataset containing the original imbalance and compared. In the theoretical section, the topic of neural networks and the problems that may occur during learning are brought up. Subsequently, convolutional networks and their optimization algorithms are presented. The thesis also contains a more detailed presentation of the issue of an imbalanced dataset, including the metrics used in experiments and approaches used to eliminate this problem.
|
|
|
Automatická detekce -vlny ve 12svodovém EKG
Khunová, Martina ; Filipenská, Marina (oponent) ; Ředina, Richard (vedoucí práce)
Tato bakalářská práce se zabývá automatickou detekcí delta vlny z 12svodového EKG v programu Matlab. V teoretické části je stručně popsána anatomie a fyziologie srdce, dále je čtenáři představen Wolf-Parkinson-Whiteův syndrom a přes projevy delta vlny na elektrokardiogramu se dostáváme k popisu lineárních filtrů a metodě detekce QRS komplexů založené na obálce filtrovaného signálu. V prvním kroku praktické části je zkonstruován detektor QRS komplexů, na nějž navazuje detektor delta vln. Detekce delta vlny probíhá na základě změření doby trvání peaku a jeho následná derivace. Detektor byl otestován na databázi, jejíž data byla nasnímána u dětských pacientů.
|
|
|
Detekce síňové fibrilace s využitím intrakardiálního EKG
Kašparová, Michaela ; Novotná, Petra (oponent) ; Ředina, Richard (vedoucí práce)
Fibrilace síní je jednou z nejčastějších poruch srdečního rytmu. Je způsobena nepravi- delnou aktivací síní, což způsobuje nekoordinované stahy síní s velmi vysokou frekvencí, a proto je její včasná diagnostika velmi důležitá. Cílem této bakalářské práce je automa- tická detekce fibrilace síní v intrakardiálních záznamech. Automatická detekce umožňuje nalezení úseků s výskytem fibrilace síní, a tak zprostředkovat rychlejší stanovení diagnózy. Testování vytvořeného algoritmu proběhlo na dostupné databázi dětských pacientů, kteří podstoupili elektrofyziologické vyšetření v Dětské nemocnici Fakultní nemocnice Brno v České republice.
|
|
|
ECG-based biomarkers for estimation of sudden death risk in patients with accessory atrioventricular pathway.
Tomková, Lucia ; Ředina, Richard (oponent) ; Hejč, Jakub (vedoucí práce)
The aim of this work is to acquaint the reader with the delta wave manifestation on the electrocardiogram in pediatric patients with Wolf-Parkinson-White syndrome who are at risk of sudden cardiac death. Subsequently, in the work we deal with the processing of data from the electrophysiological examination and the creation of algorithms for the extraction of biomarkers from the ECG signal in the Python programming language. The work includes statistical analysis of biomarkers, focusing on the difference in datasets for at-risk and non-at-risk patients. Biomarkers that have a statistically significant difference in the datasets are used to create and select a suitable model for predicting the risk of the accessory pathway in patients.
|
|
|
Prostoročasové epidemiologické modely onemocnění Covid-19
Schubert, Richard ; Ředina, Richard (oponent) ; Mézl, Martin (vedoucí práce)
Tato práce má za cíl v první části vytvořit základní rozhraní pro studium prostorově difúzních modelů popisující dynamiku šíření infekčních chorob s konstantními parametry v homogenním prostředí. Nejdříve jsou studovány kompartmentové modely a jejich rozšíření do prostorové domény. Na ně navazuje teorie metapopulačních modelů, u kterých je diskutována míra závislosti spřažení populací na celkové reprodukční číslo R0. Dále je modelován vztah mezi reprodukčním číslem R0 a tvarem prostorového rozložení infikovaných u jednoduchého difúzního SIR modelu. Je dokázán vliv Neumannových okrajových podmínek vůči Dirichletovým okrajovým podmínkám na R0. Ve druhé části práce jsou shrnuty vybrané poznatky a závěry studií, které aplikovaly modely na prostoročasové doméně pro analýzu a predikci pandemie COVID-19. Ve třetí části práce je fitován model s difúzními a metapopulačními prvky na epidemiologická data s Lombardie roku 2020 a je provedena diskuse vhodnosti tohoto přístupu.
|
|
|
Pokročilé hodnocení kvality spánku
Benáček, Petr ; Ředina, Richard (oponent) ; Filipenská, Marina (vedoucí práce)
Tato diplomová práce se zabývá hodnocením kvality spánku pomocí moderních metod hlubokého učení. V práci jsou popsány metriky automatické klasifikace spánkových fází. Je zde diskutována vybraná databáze spánkových dat. Vzhledem k nízkému počtu dat ve fázi bdění jsou popsány a provedeny různé způsoby augumentace dat. Základem pro klasifikaci jsou modely založené na 1D konvolučních sítích. Výsledkem jsou připravené modely pro binární klasifikaci a klasifikaci 3 a 4 fází spánku. Nakonec jsou pomocí těchto modelů vypočítány metriky hodnotící kvalitu spánku a výsledky jsou srovnány s literaturou.
|
|
|
Epidemiologické modelování šíření nemoci Covid-19
Motlíčková, Klára ; Ředina, Richard (oponent) ; Mézl, Martin (vedoucí práce)
Tato bakalářská práce se zabývá matematickým kompartmentovým modelováním pandemie COVID-19. Jsou zde přiblíženy základní epidemiologické modely a uvedeno šest studií, které se zabývají chováním viru SARS-CoV-2 za různých podmínek. Na modelu SIR je proveden odhad parametrů, výpočetně pro první a čtvrtou vlnu epidemie, dále pomocí algoritmu v prostředí MATLAB provedena optimalizace pro všechny vlny epidemie v ČR a také pro čtvrtou vlnu epidemie na modelu SEIR. Pro model SIR je také modelován vliv protiepidemických opatření.
|
|
|
Analýza časově-frekvenčních charakteristik signálů
Vitouš, Jiří ; Ředina, Richard (oponent) ; Poměnková, Jitka (vedoucí práce)
Tato práce se zabývá časově-frekvenční analýzou diskrétních signálů. Cílem práce je porovnat hlavní známé metody pro odhad spektro/škálogramu. Hlavní důraz je kladen na problematiku spojenou s kompromisem mezi časovým a frekvenčním rozlišením a také na vliv míry zašumění vstupních dat na kvalitu odhadnutého spektrogramu. Pro tyto účely je sestavena databáze reálných a umělých signálů, na kterých je demonstrována úspěšnost jednotlivých metod odhadu spektrogramů. Databáze je následně využita v demonstračním programu, sloužícím k porovnání jednotlivých metod analýzy. Kolem tohoto programu je také sestaveno počítačové cvičení.
|
|
|
Algoritmy pro zlepšení detekce vybraných arytmií v EKG
Šandová, Hana ; Ředina, Richard (oponent) ; Novotná, Petra (vedoucí práce)
Práce se zabývá navyšováním datových sad arytmií v EKG, které bývají v databázích méně často zastoupené. Teoretická část je věnována literární rešerši odborných prací, které se zabývají klasifikátory srdečních arytmií s využitím hlubokého učení a augmentací EKG signálů. V praktické části byly realizovány generátory šumu, které by po přičtení do reálně změřených signálů mohly obohatit datovou sadu. Také byla realizována metoda pro augmentaci flutteru síní. Byly vytvořeny funkce, které uměle vytvářejí signály napodobující atrioventikulární blokády II. a III. stupně. Nakonec byla snaha generovat atrioventikulární blokády II. stupně pomocí generativních kompetitivních sítí (GAN). Úspěšnost augmentace byla hodnocena přidáním různě kombinovaných syntetických dat do trénovacích množin pro EKG klasifikátor v podobě hluboké neuronové sítě.
|
host ::
RSS.