|
|
Analýza AVG signálů
Musil, Václav ; Sekora, Jiří (oponent) ; Rozman, Jiří (vedoucí práce)
Předkládaná diplomová práce se zabývá vybranými metodami analýzy AVG signálů. Cílem této práce je klasifikace těchto signálů a tím přispění k možnostem neinvazivní diagnostiky ischemické choroby dolních končetin. K tomu je využito klasifikace založené na principech vícerozměrné statistické analýzy a na postupech využívajících neuronové sítě. Ke zpracování je použita angiograficky ověřená databáze dat AVG signálů. V závislosti na stupni stenózy, určené digitální subtrakční angiografií, jsou pacienti v tomto souboru roztříděni do tří separovatelných tříd. Na programové klasifikaci do jedné ze tří tříd se podílí 6 parametrů určených z AVG signálů, které byly pořízeny na třech místech měření dolní končetiny. Jako komplexní se jeví přístup k hodnocení choroby ze signálů naměřených na celé dolní končetině. Senzitivita metody shlukové analýzy vzhledem k angiografii se pohybuje v rozmezí 82,75 % až 90,90 %, specificita pak mezi 80,66 % a 88,88 %. Při klasifikaci neuronovými sítěmi jsou hodnoty senzitivity v rozmezí 79,06 % až 96,87 % a hodnoty specificity mezi 73,07 % a 91,30 %.
|
|
|
Analýza AVG signálů
Janeček, David ; Balogh, Jaroslav (oponent) ; Rozman, Jiří (vedoucí práce)
Bakalářská práce se zabývá analýzou arteriovelocitogramu (AVG). V první části práce se zabývám otázkou sběru dat AVG křivky. Rozebírám zde Dopplerův jev a princip Dopplerovských systémů pomocí níž data získáváme. V další části se zabývám metodami analýzy signálu AVG. To znamená popisem křivky, výpočtem koeficientů či metodami pro správné hodnocení signálu. Úkolem těchto analýz je roztřídit naměřená data do skupin dle patologických změn, z kterých lékař určí další postup léčby. V třetí kapitole se potom zabývám metodou shlukové analýzy ke klasifikaci dat naměřených Dopplerovskými systémy. Zabývám se zde algoritmem metody a výběrem nejvhodnějšího postupu shlukování. V následující části se zabývám praktickou částí práce. Popisuji zde poskytnutá data, program zvolený pro analýzu a popis algoritmu programu. V poslední kapitole popisuji dosažené výsledky.
|
|
|
Analýza AVG signálů
Janeček, David ; Balogh, Jaroslav (oponent) ; Rozman, Jiří (vedoucí práce)
Bakalářská práce se zabývá analýzou arteriovelocitogramu (AVG). V první části práce se zabývám otázkou sběru dat AVG křivky. Rozebírám zde Dopplerův jev a princip Dopplerovských systémů pomocí níž data získáváme. V další části se zabývám metodami analýzy signálu AVG. To znamená popisem křivky, výpočtem koeficientů či metodami pro správné hodnocení signálu. Úkolem těchto analýz je roztřídit naměřená data do skupin dle patologických změn, z kterých lékař určí další postup léčby. V třetí kapitole se potom zabývám metodou shlukové analýzy ke klasifikaci dat naměřených Dopplerovskými systémy. Zabývám se zde algoritmem metody a výběrem nejvhodnějšího postupu shlukování. V následující části se zabývám praktickou částí práce. Popisuji zde poskytnutá data, program zvolený pro analýzu a popis algoritmu programu. V poslední kapitole popisuji dosažené výsledky.
|
|
|
Analýza AVG signálů
Musil, Václav ; Sekora, Jiří (oponent) ; Rozman, Jiří (vedoucí práce)
Předkládaná diplomová práce se zabývá vybranými metodami analýzy AVG signálů. Cílem této práce je klasifikace těchto signálů a tím přispění k možnostem neinvazivní diagnostiky ischemické choroby dolních končetin. K tomu je využito klasifikace založené na principech vícerozměrné statistické analýzy a na postupech využívajících neuronové sítě. Ke zpracování je použita angiograficky ověřená databáze dat AVG signálů. V závislosti na stupni stenózy, určené digitální subtrakční angiografií, jsou pacienti v tomto souboru roztříděni do tří separovatelných tříd. Na programové klasifikaci do jedné ze tří tříd se podílí 6 parametrů určených z AVG signálů, které byly pořízeny na třech místech měření dolní končetiny. Jako komplexní se jeví přístup k hodnocení choroby ze signálů naměřených na celé dolní končetině. Senzitivita metody shlukové analýzy vzhledem k angiografii se pohybuje v rozmezí 82,75 % až 90,90 %, specificita pak mezi 80,66 % a 88,88 %. Při klasifikaci neuronovými sítěmi jsou hodnoty senzitivity v rozmezí 79,06 % až 96,87 % a hodnoty specificity mezi 73,07 % a 91,30 %.
|
host ::
RSS.