|
|
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.
|
|
|
Hodnocení kvality spánku
Dokoupilová, Daniela ; Kozumplík, Jiří (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato bakalářská práce se věnuje klasifikaci spánkových dat naměřených pomocí chytrých hodinek Apple Watch. Z využívaných signálů – tepové frekvence a akcelerometrického záznamu byly pomocí statistického testování vybrány příznaky pro klasifikaci spánkových epoch. Pro klasifikaci byla zvolena metoda podpůrných vektorů. Model byl poté natrénován pro rozpoznávání fáze Wake a Sleep a poté i pro rozpoznávání REM a NREM spánku. Klasifikace dat do dvou fází překročila hranici přesnosti 80 %, klasifikace Wake, REM a NREM spánku poté 58 %. Vypočtené parametry hodnotící kvalitu spánku byly poté srovnány s daty ohodnocenými spánkovým expertem. Model pro klasifikaci bdění a spánku se velmi přiblížil hodnocení experta. Model pro klasifikaci bdění, REM a NREM spánku se nejvíce lišil v parametrech hodnotících bdění.
|
|
|
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.
|
|
|
Hodnocení kvality spánku
Dokoupilová, Daniela ; Kozumplík, Jiří (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato bakalářská práce se věnuje klasifikaci spánkových dat naměřených pomocí chytrých hodinek Apple Watch. Z využívaných signálů – tepové frekvence a akcelerometrického záznamu byly pomocí statistického testování vybrány příznaky pro klasifikaci spánkových epoch. Pro klasifikaci byla zvolena metoda podpůrných vektorů. Model byl poté natrénován pro rozpoznávání fáze Wake a Sleep a poté i pro rozpoznávání REM a NREM spánku. Klasifikace dat do dvou fází překročila hranici přesnosti 80 %, klasifikace Wake, REM a NREM spánku poté 58 %. Vypočtené parametry hodnotící kvalitu spánku byly poté srovnány s daty ohodnocenými spánkovým expertem. Model pro klasifikaci bdění a spánku se velmi přiblížil hodnocení experta. Model pro klasifikaci bdění, REM a NREM spánku se nejvíce lišil v parametrech hodnotících bdění.
|
host ::
RSS.