|
|
ECG arrhythmia detection
Šoltés, Tomáš ; Filipenská, Marina (referee) ; Novotná, Petra (advisor)
This bachelor thesis describes commonly present arrhytmias such as premature ventricular complex, bundle branch blocks and their detection using conventional methods and modern methods, utilising neural networks. Practical part includes: Detection of premature ventricular complexes and detection of bundle branch blocks using statistical analysis of QRS complex and their classification with K-nearest neighbors
|
|
|
ECG arrhythmia detection
Šoltés, Tomáš ; Filipenská, Marina (referee) ; Novotná, Petra (advisor)
This bachelor thesis describes commonly present arrhytmias such as premature ventricular complex, bundle branch blocks and their detection using conventional methods and modern methods, utilising neural networks. Practical part includes: Detection of premature ventricular complexes by their RR intervals and detection of bundle branch blocks using statistical analysis of QRS complex and their clustering with K-nearest neighbors
|
|
|
Analysis of ultra-high frequency ECG using deep learning
Koščová, Zuzana ; Antin, Christoph Hoog (referee) ; Plešinger, Filip (advisor)
Analýza ultravysokofrekvenčného EKG (UHF-ECG) poskytuje informácie o elektrickej komorovej dyssynchrónii. Okrem toho analýza UHF-ECG v reálnom čase umožňuje priamu optimalizáciu stimulačnej elektródy počas implantácie kardiostimulátora. V tejto diplomovej práci opisujeme poruchy komorového vedenia, súčasnú metódu analýzy UHF-ECG a hlavne predstavujeme niekoľko modelov hlbokého učenia na to, aby sme zistili, ktoré kroky UHF-ECG analýzy môžu byť hlbokým učením nahradené. Dáta použité na vývoj a validáciu modelov hlbokého učenia pochádzajú z 2 súkromných nemocníc (FNUSA-ICRC, Brno, Česko, FNKV Praha, Česko) a z 3 verejne dostupných databáz. Najprv boli predstavené dve metódy hlbokého učenia na detekciu QRS komplexu a odhad trvania QRS komplexu v jednom kroku inferencie. Pri úlohe detekcie sme získali celkové F1-skóre 98,84 ± 0,51 \% a pri úlohe odhadu trvania QRS komplexu strednú absolútnu chybu (MAE) 12,25 ± 2,16 ms. Táto metóda zvyšuje výkonnosť analýzy UHF-ECG a vďaka tomu môže výrazne skrátiť čas merania. Okrem toho bol vyvinutý regresný model na odstraňovanie stimulačných impulzov založený na tzv. conditional generative adversarial networks. Výsledky boli vyhodnotené na základe korelácie 15 priemerných vysokofrekvenčných obálok v oblasti QRS komplexu medzi výstupom modelu a cieľovým signálom. Výsledky ukazujú vyššiu koreláciu na spontánnych signáloch a pokles korelácie so zvyšujúcim sa frekvenčným pásmom. Napokon boli vytvorené dva modely konvolučených neurónových sietí (CNN) na odhad komorovej elektrickej dyssynchrónie (VED). Konkrétne CNN s vrstavmi v 1D a 2D. MAE medzi naším riešením a anotáciou je 12,61 ±18,95 ms a 12,27 ±17,73 ms pre 1D a 2D CNN. MAE na spontánnych signáloch je pre oba modely približne o 5 ms nižšia ako na stimulovaných údajoch, čo naznačuje potrebu odstrániť stimulačné impulzy. Tieto modely hlbokého učenia prinášajú redukciu pipeline predspracovania a zároveň poskytujú výstup v jednom kroku inferencie. V prípade modelu detekcie QRS a odhadu trvania QRS je zlepšenie výkonu oproti súčasnému riešeniu evidentné a tieto kroky súšasnej analýzy UHF-ECG by mohli byť hlbokým učením nahradené. Avšak pre odstránenie stimulačných impulzov a odhad parametrov VED je potrebné zlepšiť výkon pre reálne použitie.
|
|
|
Detection Of True Complete Left Bundle Branch Block
Chocholáčová, Kamila
The goal of this work is to design an algorithm for automatic detection of Strauss criteria in order to diagnose complete left bundle branch block and to create a database of QRS complexes to test the algorithm. Conventional criteria are incorrect in two thirds of all cases. That is the reason why Strauss criteria, which are more precise, were created. The program will be directed by those criteria.
|
guest ::
