|
|
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.
|
|
|
Analysis of High-Frequency ECG and Mechano-Electric Coupling in Isolated Heart
Novotná, Petra ; Ronzhina, Marina (oponent) ; Hejč, Jakub (vedoucí práce)
This master's thesis deals with the analysis of high frequency ECG from the perspective of mechano-electric coupling in isolated rabbit heart. The first part of this thesis is the literature review considering given thematics. It contains information about formation and genesis of ECG and action potential at the chemical and electric level, mechano-electric coupling. The thesis contains the chapter about signal averaging as the technique for gaining the signal-to-noise ratio when analysing HF ECG. In the part of practical application is the knowledge applied to the long recordings of isolated rabbit heart's ECG. There is the description of perfusion system according to Neely included. The realisation consists of data from 15 isolated rabbit hearts to be analysed and explored for the presence of system's reaction to the change of input parameters (preload, afterload) for the case of pressure-volume data. The results have been connected to the similar ones from HF ECG and altogether they create the description of mechano-electric coupling of heart. The reuslts have been statistically tested and evaluated.
|
|
|
Automatické rozměření vícesvodových EKG signálů
Veverka, Vojtěch ; Smital, Lukáš (oponent) ; Hejč, Jakub (vedoucí práce)
Tato semestrální práce je zaměřena na automatické rozměření EKG signálu. V teoretické části práce je popsán vznik a možnosti snímání EKG signálu. Dále je nastudována problematika analýzy hlavních komponent, jejíž výstup slouží jako vstupní signál pro rozměření. Jsou popsány základní metody sloužící pro rozměření EKG signálu. V praktické části práce je navržen algoritmus pro rozměření EKG signálu, který byl otestován na základní CSE databázi. Výsledky jsou diskutovány v závěru práce.
|
|
|
Extrakce a klasifikace síňové aktivity z intrakardiálních elektrogramů
Martinů, Žaneta ; Novotná, Petra (oponent) ; Hejč, Jakub (vedoucí práce)
Cílem této práce je seznámit čtenáře s arytmogenezí supraventrikulárních tachykardií zaměřenou na projevy v intrakardiálních záznamech. Dále semestrální práce pojednává o základních metodách analýzy elektrokardiografických signálů. Praktická část obsahuje extrakci síňové aktivity a klasifikaci síňového rytmu s možností implementace těchto metod v prostředí MATLAB. Z vhodně předzpracovaných dat je extrahována síňová aktivita. Na extrakci síňové aktivity navazuje klasifikace síňového rytmu pomocí metody K–means.
|
|
|
Analýza parametrů komorové repolarizace
Abbrent, Jakub ; Novotná, Petra (oponent) ; Hejč, Jakub (vedoucí práce)
Tato bakalářská práce se zabývá analýzou parametrů popisujících repolarizační fázi srdečních komor na experimentálních záznamech EKG. V úvodu teoretické části jsou zahrnuty informace o elektrofyziologii srdce, základním principu EKG a buněčné podstatě vzniku T vlny. Další kapitola se zaměřuje na metody, které se používají pro analýzu komorové repolarizace, především na morfologické parametry zahrnující analýzu hlavních komponent (PCA). Následně je v práci popsána databáze experimentálních signálů EKG získaných z izolovaných králičích srdcí. V praktické části této bakalářské práce jsou implementovány algoritmy morfologických parametrů na experimentální EKG záznamy. Samotná implementace algoritmů je realizována až po počáteční úpravě dat. Poté je provedena analýza vztahu morfologických a hemodynamických parametrů, která je vyhodnocena pomocí statistické analýzy.
|
|
|
Reference v intrakraniálním EEG: implementace a analýza
Uher, Daniel ; Hejč, Jakub (oponent) ; Ronzhina, Marina (vedoucí práce)
PĹ™edstava záznamu mozkovĂ© aktivity bez zkreslujĂcĂch artefaktĹŻ koluje ve vÄ›deckĂ˝ch kruzĂch jiĹľ nÄ›kolik desĂtek let. ParazitnĂ jevy a nežádoucĂ sloĹľky dokážà vĂ˝raznÄ› komplikovat analĂ˝zu pacientskĂ©ho záznamu intrakraniálnĂho elektroencefalografu (iEEG). S nástupem modernĂ technologie však zaÄŤaly pĹ™ibĂ˝vat novĂ© metody pro preciznĂ odstranÄ›nĂ zkreslujĂcĂho šumu. Zde nastupuje koncept virtuálnĂch referenÄŤnĂch signálĹŻ, jakoĹľto nástroj pro eliminaci nežádoucĂch komponent. V tĂ©to práci, metoda zaloĹľená na prĹŻmÄ›rovánĂ spolu s modernÄ›jšĂmi metodami zaloĹľenĂ˝ch na analĂ˝ze nezávislĂ˝ch komponent (ICA) byly realizovány a testovány na rĹŻznĂ˝ch iEEG záznamech. Bylo zjištÄ›no, Ĺľe algoritmy zaloĹľenĂ© na ICA umoĹľĹujĂ lepšà a pĹ™esnÄ›jšà odhad referenÄŤnĂho signálu v porovnánĂ s prĹŻmÄ›rovacĂ metodou. Na závÄ›r byly všechny navrĹľenĂ© metody implementovány do open-source Python knihovny đť‘źđť‘’đť‘“đť‘ đť‘–đť‘”, která je veĹ™ejnÄ› dostupná, jednoduše instalovatelná a pĹ™ipravena k pouĹľitĂ.
|
|
| |
|
|
Pokročilá klasifikace poruch srdečního rytmu v EKG
Sláma, Štěpán ; Hejč, Jakub (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato práce se zaměřuje na teoretické objasnění poruch srdečního rytmu a možnosti jejich automatické detekce s využitím sítí hlubokého učení. Pro účely této práce bylo využito celkově 6884 10sekunových záznamů EKG s měřenými osmi svody. Záznamy byly rozděleny do pěti skupin podle srdečních rytmů na skupinu záznamů s fibrilací síní, sinusové rytmy, supraventrikulární rytmy, ventrikulární rytmy a poslední skupinu tvořily záznamy ostatní. Jednotlivé skupiny byly nerovnoměrně zastoupeny a více než 85 % z celkového počtu dat jsou záznamy skupiny sinusového rytmu. Použité klasifikační metody sloužily efektivně jako detektor záznamů nejpočetnější skupiny a nejefektivnější ze všech byl postup tvořený 2D konvoluční neuronovou sítí, do které vstupovala data v podobě skalogramů (klasifikační postup číslo 3). Ta dosahovala výsledků přesnosti (precision) 91 %, úplnosti (recall) 96 % a hodnoty F1-skóre 0,93. Naopak při klasifikaci všech pěti skupin zároveň nebylo dosaženo takto kvalitních výsledků u všech skupin. Nejefektivnějším postupem se jeví varianta sestavena z aplikace PCA na osm vstupních signálů se ziskem jednoho signálu výstupního, který se stává vstupem 1D konvoluční neuronové sítě (klasifikační postup číslo 5). Tento postup dosáhl následujících hodnoty F1-skóre: 1) skupina záznamů s fibrilací síní 0,54, 2) skupina sinusových rytmů 0,91, 3) skupina supraventrikulárních rytmů 0,65, 4) skupina ventrikulárních rytmů 0,68, 5) ostatní záznamy 0,65.
|
|
|
Optimization of a Deep Neural Network Label Encoding in a Multi-Label Problem.
Zaťko, Martin ; Novotná, Petra (oponent) ; Hejč, Jakub (vedoucí práce)
The aim of the diploma thesis is to propose a method of deep learning for the classification of arrhythmias from ECG recordings and to compare the effect of coding its outputs on the overall quality of the model. A 1D convolutional neural network was selected and methods of label coding using one-hot coding, ordinal coding, the method using an autoencoder and the word embbeding method were tested and compared on it. The obtained results show that the use of the word embbeding method can increase the classification capacity of the proposed network.
|
|
|
Generative Adversial Network for Artificial ECG Generation
Šagát, Martin ; Ronzhina, Marina (oponent) ; Hejč, Jakub (vedoucí práce)
The work deals with the generation of ECG signals using generative adversarial networks (GAN). It examines in detail the basics of artificial neural networks and the principles of their operation. It theoretically describes the use and operation and the most common types of failures of generative adversarial networks. In this work, a general procedure of signal preprocessing suitable for GAN training was derived, which was used to compile a database. In this work, a total of 3 different GAN models were designed and implemented. The results of the models were visually displayed and analyzed in detail. Finally, the work comments on the achieved results and suggests further research direction of methods dealing with the generation of ECG signals.
|
host ::
RSS.