|
|
Klasifikace spánkových EEG
Holdova, Kamila ; Smital, Lukáš (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato diplomová práce se zabývá aplikaci vlnkové transformace na analýzu spánkových elektroencefalogramů za účelem rozpoznávání spánkových fázi. Teoretická část diplomové práce se zabývá teorií vzniku EEG signálu a jeho analýzou. Dále je tu popsána diagnostická metoda polysomnografie (PSG), při které se zaznamenává současně více funkcí organismu, mezi základní funkce patří elektroencefalogram (EEG), elektromyogram (EMG) a elektrookulogram (EOG). Tato metoda slouží k diagnostice spánkových poruch, a proto je v projektu popsán spánek, spánkové fáze a poruchy spánku. V praktické části je k analýze EEG signálu použita diskrétní vlnková transformace (DWT) a byla zde použita mateřská vlnka Daubechies 4 „db4“a rozklad signálu na úroveň 7. Ke klasifikaci vzniklých dat byla použita dopředná neuronová síť se zpětným šířením chyby.
|
|
|
Automatická klasifikace spánkových fází
Schwanzer, Miroslav ; Kozumplík, Jiří (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato diplomová práce se zabývá klasifikací spánkových fází na základě polysomnografických signálů. Pro vybrané signály byla provedena analýza a selekce příznaků v časové oblasti a ve frekvenční oblasti. Příznaky ke klasifikaci byly získány ze signálů EEG, EOG a EMG. Jako klasifikátory byly použity klasifikační modely typu K-NN, SVM, a umělé neuronové sítě. Úspěšnost klasifikace se liší podle použité metody a rozdělení skupin. Nejlepších výsledků dosahovala klasifikace mezi stavy bdělosti, fáze REM a N3, a to za pomoci neuronové sítě. Zde bylo dosaženo celkové úspěšnosti 93,1 %.
|
|
|
Automatická detekce grafoelementů ve spánkových signálech EEG
Balcarová, Anežka ; Ronzhina, Marina (oponent) ; Kozumplík, Jiří (vedoucí práce)
Tato práce je zaměřena na spánkový signál EEG, především na vyhledávání spánkových grafoelementů a dále také na zpracování signálu, které této segmentaci předchází. Jsou zde nastíněny charakteristiky spánkových grafoelementů, metody detekce spánkových grafoelementů a problémy spjaté s jejich klasifikací. Principy dvou vybraných metod detekce k-komplexu jsou vysvětleny a zpracovány v prostředí MATLAB. Výsledky automatické detekce K-komplexů pomocí vybraných metod jsou srovnány s výsledky klasifikace dvou expertů.
|
|
|
Metody detekce spánkových vřeten ze záznamů EEG
Matoušek, Šimon ; Mézl, Martin (oponent) ; Králík, Martin (vedoucí práce)
Tato bakalářská práce se zaměřuje na detekci spánkových vřeten v signálech EEG. V úvodní kapitole se zabývá signálem EEG, popisuje jeho jednotlivé součásti a přibližuje proces zaznamenávání signálu. Vysvětluje pojem spánkové vřeteno a objasňuje polysomnografii. V následující kapitole jsou formou rešerše shrnuty některé poznatky týkající se studií, jež zkoumaly a prakticky využívaly jednotlivé metody detekce spánkových vřeten. Kapitola praktické části práce je zaměřena na realizaci detektorů spánkových vřeten. Jsou aplikovány 3 různé varianty detekce, první detektor je založen na výpočtu hodnoty Teager - Kaiserova operátoru, druhý detektor užívá vlnkovou transformaci, třetí detektor je založen na principu nalezení obálky signálu. V závěru práce je porovnána úspěšnost těchto detektorů ve srovnání s jinými, dříve prováděnými studiemi. Nejvyšší úspěšnosti bylo dosaženo u detektoru založeném na výpočtu obálky signálu, kde senzitivita dosahovala 56,00 % a specificita 55,19 % a také u detektoru využívajícím vlnkové transformace, kde senzitivita činila 81,22 % a specificita 46,15 %.
|
|
|
Metody detekce spánkových vřeten ze záznamů EEG
Matoušek, Šimon ; Mézl, Martin (oponent) ; Králík, Martin (vedoucí práce)
Tato bakalářská práce se zaměřuje na detekci spánkových vřeten v signálech EEG. V úvodní kapitole se zabývá signálem EEG, popisuje jeho jednotlivé součásti a přibližuje proces zaznamenávání signálu. Vysvětluje pojem spánkové vřeteno a objasňuje polysomnografii. V následující kapitole jsou formou rešerše shrnuty některé poznatky týkající se studií, jež zkoumaly a prakticky využívaly jednotlivé metody detekce spánkových vřeten. Kapitola praktické části práce je zaměřena na realizaci detektorů spánkových vřeten. Jsou aplikovány 3 různé varianty detekce, první detektor je založen na výpočtu hodnoty Teager - Kaiserova operátoru, druhý detektor užívá vlnkovou transformaci, třetí detektor je založen na principu nalezení obálky signálu. V závěru práce je porovnána úspěšnost těchto detektorů ve srovnání s jinými, dříve prováděnými studiemi. Nejvyšší úspěšnosti bylo dosaženo u detektoru založeném na výpočtu obálky signálu, kde senzitivita dosahovala 56,00 % a specificita 55,19 % a také u detektoru využívajícím vlnkové transformace, kde senzitivita činila 81,22 % a specificita 46,15 %.
|
|
|
Automatická klasifikace spánkových fází
Schwanzer, Miroslav ; Kozumplík, Jiří (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato diplomová práce se zabývá klasifikací spánkových fází na základě polysomnografických signálů. Pro vybrané signály byla provedena analýza a selekce příznaků v časové oblasti a ve frekvenční oblasti. Příznaky ke klasifikaci byly získány ze signálů EEG, EOG a EMG. Jako klasifikátory byly použity klasifikační modely typu K-NN, SVM, a umělé neuronové sítě. Úspěšnost klasifikace se liší podle použité metody a rozdělení skupin. Nejlepších výsledků dosahovala klasifikace mezi stavy bdělosti, fáze REM a N3, a to za pomoci neuronové sítě. Zde bylo dosaženo celkové úspěšnosti 93,1 %.
|
|
|
Automatická detekce grafoelementů ve spánkových signálech EEG
Balcarová, Anežka ; Ronzhina, Marina (oponent) ; Kozumplík, Jiří (vedoucí práce)
Tato práce je zaměřena na spánkový signál EEG, především na vyhledávání spánkových grafoelementů a dále také na zpracování signálu, které této segmentaci předchází. Jsou zde nastíněny charakteristiky spánkových grafoelementů, metody detekce spánkových grafoelementů a problémy spjaté s jejich klasifikací. Principy dvou vybraných metod detekce k-komplexu jsou vysvětleny a zpracovány v prostředí MATLAB. Výsledky automatické detekce K-komplexů pomocí vybraných metod jsou srovnány s výsledky klasifikace dvou expertů.
|
|
|
Klasifikace spánkových EEG
Holdova, Kamila ; Smital, Lukáš (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato diplomová práce se zabývá aplikaci vlnkové transformace na analýzu spánkových elektroencefalogramů za účelem rozpoznávání spánkových fázi. Teoretická část diplomové práce se zabývá teorií vzniku EEG signálu a jeho analýzou. Dále je tu popsána diagnostická metoda polysomnografie (PSG), při které se zaznamenává současně více funkcí organismu, mezi základní funkce patří elektroencefalogram (EEG), elektromyogram (EMG) a elektrookulogram (EOG). Tato metoda slouží k diagnostice spánkových poruch, a proto je v projektu popsán spánek, spánkové fáze a poruchy spánku. V praktické části je k analýze EEG signálu použita diskrétní vlnková transformace (DWT) a byla zde použita mateřská vlnka Daubechies 4 „db4“a rozklad signálu na úroveň 7. Ke klasifikaci vzniklých dat byla použita dopředná neuronová síť se zpětným šířením chyby.
|
host ::
RSS.