|
Klasifikace spánkových fázi za použití polysomnografických dat
Králík, Martin ; Kozumplík, Jiří (oponent) ; Ronzhina, Marina (vedoucí práce)
Cílem této diplomové práce je klasifikace spánkových fází za použití polysomnografických dat. Součástí práce je rešerše na dané téma a statistická analýza parametrů vypočtených ze skutečných signálů EEG, EOG a EMG, která hodnotí vhodnost jejich použití pro klasifikaci spánkových fází. Praktická část je zaměřena na automatickou klasifikaci spánkových fází za použití umělých neuronových sítí. Všechny výsledky jsou v práci prezentovány a diskutovány.
|
|
Analýza polysomnografických dat
Jagošová, Petra ; Králík, Martin (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato bakalářská práce se zabývá analýzou polysomnografických signálů, která je založena na analýze parametrů v časové a frekvenční oblasti. Parametry jsou počítány z 30s úseků EEG, EOG a EMG signálů snímaných v průběhu různých spánkových fází. Pomocí vizuální analýzy krabicových grafů, statistické analýzy a následného post-hoc testu jsou vybrány parametry, které jsou vhodné pro následnou detekci spánkových fází. Vybranými parametry v časové oblasti byly pro EOG signály: mobilita, koeficient šikmosti a špičatosti. Pro EEG signály se jednalo o tyto parametry: aktivita, 75. percentil, koeficient špičatosti a mobilita. U EMG signálu to byly 75. percentil a složitost. Z frekvenční oblasti se jednalo o relativní výkonové spektrum frekvenčních pásem alfa, delta a beta.
|
|
Automatická klasifikace spánkových fází z polysomnografických dat
Vávrová, Eva ; Potočňák, Tomáš (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato diplomová práce se zabývá analýzou polysomnografických záznamů, která je založená na výpočtu vybraných parametrů v časové, frekvenční a časově-frekvenční oblasti. Parametry jsou počítány z 30s úseků EEG, EMG a EOG signálů snímaných v průběhu různých spánkových fází. Pomocí statistické analýzy jsou vybrány parametry, které jsou vhodné pro následnou automatickou klasifikaci spánkových fází, která je zrealizována pomocí umělé neuronové sítě, k-NN klasifikátoru a lineární diskriminační analýzy. V rámci této práce byl vytvořen program s grafickým uživatelským rozhraním v prostředí MATLAB.
|
|
Automatická klasifikace spánkových fází z polysomnografických dat
Kříženecká, Tereza ; Potočňák, Tomáš (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato diplomová práce se zabývá automatickou klasifikací polysomnografických záznamů, která je založená na analýze parametrů v časové a frekvenční oblasti. Parametry jsou počítány z 30s úseků EEG, EMG a EOG signálů snímaných v průběhu různých spánkových fází. Pomocí statistické analýzy jsou vybrány parametry, které jsou vhodné pro následnou automatickou klasifikaci spánkových fází. Klasifikace je poté provedena pomocí metody SVM a zhodnocení úspěšnosti klasifikace je provedeno pomocí senzitivity, specificity a procentuální úspěšnosti. Práce byla provedena v programovém prostředí MATLAB.
|
| |
|
Klasifikace spánkových fází
Lacinová, Michaela ; Smital, Lukáš (oponent) ; Králík, Martin (vedoucí práce)
Tato bakalářská práce se zabývá v první části rozborem polysomnografie a způsoby jejího měření při elektroencefalografii, elektrookulografii a elektromyografii. Součástí rozboru jsou fáze spánku dle doporučení AASM. Polysomnografická data jsou dále analyzována v časových a frekvenčních oblastech, které jsou jednotlivě vyhodnoceny. Ve druhé části jsou data klasifikována do jednotlivých tříd pomocí rozhodovacích stromů a metody k-nejbližších sousedů v programovém prostředí MATLAB. Následně jsou tato data zhodnocena a srovnána s dostupnou literaturou.
|
| |
|
Analýza polysomnografických dat
Jagošová, Petra ; Králík, Martin (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato bakalářská práce se zabývá analýzou polysomnografických signálů, která je založena na analýze parametrů v časové a frekvenční oblasti. Parametry jsou počítány z 30s úseků EEG, EOG a EMG signálů snímaných v průběhu různých spánkových fází. Pomocí vizuální analýzy krabicových grafů, statistické analýzy a následného post-hoc testu jsou vybrány parametry, které jsou vhodné pro následnou detekci spánkových fází. Vybranými parametry v časové oblasti byly pro EOG signály: mobilita, koeficient šikmosti a špičatosti. Pro EEG signály se jednalo o tyto parametry: aktivita, 75. percentil, koeficient špičatosti a mobilita. U EMG signálu to byly 75. percentil a složitost. Z frekvenční oblasti se jednalo o relativní výkonové spektrum frekvenčních pásem alfa, delta a beta.
|
|
Klasifikace spánkových fází
Lacinová, Michaela ; Smital, Lukáš (oponent) ; Králík, Martin (vedoucí práce)
Tato bakalářská práce se zabývá v první části rozborem polysomnografie a způsoby jejího měření při elektroencefalografii, elektrookulografii a elektromyografii. Součástí rozboru jsou fáze spánku dle doporučení AASM. Polysomnografická data jsou dále analyzována v časových a frekvenčních oblastech, které jsou jednotlivě vyhodnoceny. Ve druhé části jsou data klasifikována do jednotlivých tříd pomocí rozhodovacích stromů a metody k-nejbližších sousedů v programovém prostředí MATLAB. Následně jsou tato data zhodnocena a srovnána s dostupnou literaturou.
|
|
Automatická klasifikace spánkových fází z polysomnografických dat
Kříženecká, Tereza ; Potočňák, Tomáš (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato diplomová práce se zabývá automatickou klasifikací polysomnografických záznamů, která je založená na analýze parametrů v časové a frekvenční oblasti. Parametry jsou počítány z 30s úseků EEG, EMG a EOG signálů snímaných v průběhu různých spánkových fází. Pomocí statistické analýzy jsou vybrány parametry, které jsou vhodné pro následnou automatickou klasifikaci spánkových fází. Klasifikace je poté provedena pomocí metody SVM a zhodnocení úspěšnosti klasifikace je provedeno pomocí senzitivity, specificity a procentuální úspěšnosti. Práce byla provedena v programovém prostředí MATLAB.
|