|
|
Automatické rozměření vícesvodových EKG signálů
Veverka, Vojtěch ; Smital, Lukáš (oponent) ; Hejč, Jakub (vedoucí práce)
Tato semestrální práce je zaměřena na automatické rozměření EKG signálu. V teoretické části práce je popsán vznik a možnosti snímání EKG signálu. Dále je nastudována problematika analýzy hlavních komponent, jejíž výstup slouží jako vstupní signál pro rozměření. Jsou popsány základní metody sloužící pro rozměření EKG signálu. V praktické části práce je navržen algoritmus pro rozměření EKG signálu, který byl otestován na základní CSE databázi. Výsledky jsou diskutovány v závěru práce.
|
|
|
Detekce QRS komplexu s využitím vlnkové transformace
Loviška, David ; Čech, Petr (oponent) ; Smital, Lukáš (vedoucí práce)
Cílem práce s názvem Detekce QRS komplexu s využitím vlnkové transformace je zjednodušit a urychlit práci lékaře. Toho lze dosáhnout využitím aplikace schopné jednoduše detekovat QRS komplex za použití jednoho ze čtyř navržených algoritmů detekce. Vytvořená aplikace poskytne lékaři základní informace o vloženém elektrokardiogramu. Součástí aplikace je i grafické okno se zobrazeným záznamem a na něm barevně zvýrazněny body vyhodnocené aplikací jako QRS komplexy. Body jsou dalším algoritmem rozděleny barevně podle určené jistoty správné lokalizace konkrétního komplexu. Tento program je navrhován pro několikahodinové záznamy Holterova monitorování EKG.
|
|
|
Předzpracování EKG signálu pro detekci významných bodů
Strouhal, Martin ; Smital, Lukáš (oponent) ; Vítek, Martin (vedoucí práce)
Práce si klade za cíl nalezení nejoptimálnější metody návrhu filtrů pro odstranění parazitních složek reálného EKG signálů. Je zde stručně popsán vznik a kmitočtové vlastnosti takovýchto rušení (drift a síťový brum). Jednotlivé metody návrhu jsou porovnávány podle řádu navrhnutého systému, podle spolehlivosti a podle míry vlivu na užitečný signál. Vytvořil jsem několik číslicových filtrů různými metodami a vyzkoušel je na deseti reálných signálech EKG. Z pokusu vyplynulo, že síťový brum odstraní všechny filtry se stejnou spolehlivostí, z hlediska řádu výsledného systému je výhodnější použít metody rozmísťování nul a pólů. Při filtraci driftu se filtry navrhnuté pomocí metody rozmísťování nul a pólů byly nedostačující v případě prudkých výkyvů průběhu. Proto se jako výhodnější ukázala metody vzorkování fr. charakteristiky. Dále se v práci zabývám možnostmi zpracování EKG pro detekci R vlny a lokalizaci QRS komplexu. Pro obě možnosti jsem dospěl ke kaskádě filtrů, pomocí nichž lze signál takto zpracovat.
|
|
|
Detekce QRS založená na počítání průchodů nulou
Hanus, Rostislav ; Smital, Lukáš (oponent) ; Vítek, Martin (vedoucí práce)
Tato diplomová práce se zabývá detekcí QRS komplexu pomocí průchodů nulovou hladinou za segment. Detekce QRS komplexu je důležitou součástí analýzy EKG signálu. Od určení polohy bodu R vlny se odvíjí detekce ostatních vln a intervalů potřebných pro diagnostiku srdce. Tato metoda je velmi účinná i pro silně zašuměné signály. Realizace metody je v programu Matlab a úspěšnost detekce je testována na databázích CSE a MIT-BIH. Součástí je optimalizační algoritmus pro volitelné hodnoty detektoru.
|
|
|
Analysis of ultra-high frequency ECG using deep learning
Koščová, Zuzana ; Antin, Christoph Hoog (oponent) ; Plešinger, Filip (vedoucí práce)
Ultra-high-frequency ECG (UHF-ECG) analysis provides information about electrical ventricular dyssynchrony. Additionally, real-time UHF-ECG analysis enables direct optimization of the pacing electrode during pacemaker implantation. In this master thesis, we describe ventricular conduction abnormalities, the current method for UHF-ECG analysis and most importantly, we have developed several deep learning models to find out which steps of UHF-ECG analysis can be replaced by deep learning. Data used for the development and validation of the models come from 2 private hospitals (FNUSA-ICRC hospital, Brno, Czechia, and FNKV hospital Prague, Czechia) and from 3 publicly available datasets. First, we present two deep learning methods for QRS complex detection and QRS complex duration estimation in one inference step. We received an overall F1-score of 98.84 ± 0.51 \% for the detection task and a Mean Absolute Error (MAE) of 12.25 ± 2.16 ms for the QRS duration estimation task. This method enhances UHF-ECG analysis performance and therefore could significantly reduce measurement time. Furthermore, a regression model for pacing stimuli removal based on a conditional generative adversarial network was developed. The results were evaluated based on the correlation of 15 averaged high-frequency envelopes in the QRS complex region between the model output and the target signal. The results show a higher correlation on spontaneous than on paced data and a drop in correlation with the increasing frequency band. Last, two deep learning models with convolutional neural network (CNN) were created to estimate ventricular electrical dyssynchrony (VED). Specifically, one-dimensional (1D) and 2-dimensional (2D) CNN. The MAE between our solution and annotation is 12.61 ±18.95 ms and 12.27 ±17.73 ms for 1D and 2D CNN, respectively. MAE on spontaneous data is approximately 5 ms lower than on paced data for both models, indicating the need to remove the pacing stimuli. These deep learning models yield a reduction in the pre-processing pipeline while delivering output in a single inference step. For the QRS detection and QRS duration estimation model, the performance improvement over the current solution is evident and these steps of UHF-ECG analysis could be replaced by deep learning. However, for the removal of pacing stimuli and VED parameter estimation, it is required to improve the performance.
|
|
|
SMV-2018-19: Systém pro analýzu EKG
Plešinger, Filip ; Jurák, Pavel ; Halámek, Josef ; Viščor, Ivo
Předmětem smluvního výzkumu je vývoj algoritmů pro automatické zpracování EKG z jednosvodových EKG holterů. Jmenovitě se jedná o:\n- vývoj algoritmu pro detekci QRS komplexů s důrazem na odolnost vůči rušení\n- vývoj algoritmu pro analýzu arytmií na základě RR intervalů a dalších ukazatelů. Algoritmus využívá strojové učení (neuronovou síť). Vstupem jsou informace o QRS komplexech a další deskriptory extrahované z EKG signálu. Výstupem je kategorie hodnoceného EKG bloku (fibrilace síní, AV-blok, nekvalitní signál, supraventrikulární extrasystoly, komorové extrasystoly, sinusový rytmus, supraventrikulární tachykardie a komorová tachykardie)\n- implementaci algoritmů jako software pro .NET platformu v jazyce C#. Cílová aplikace je optimalizována pro použití na vícevláknových počítačích (předpokládán výpočetní server zhotovitele).
|
|
|
Předzpracování EKG signálu pro detekci významných bodů
Strouhal, Martin ; Smital, Lukáš (oponent) ; Vítek, Martin (vedoucí práce)
Práce si klade za cíl nalezení nejoptimálnější metody návrhu filtrů pro odstranění parazitních složek reálného EKG signálů. Je zde stručně popsán vznik a kmitočtové vlastnosti takovýchto rušení (drift a síťový brum). Jednotlivé metody návrhu jsou porovnávány podle řádu navrhnutého systému, podle spolehlivosti a podle míry vlivu na užitečný signál. Vytvořil jsem několik číslicových filtrů různými metodami a vyzkoušel je na deseti reálných signálech EKG. Z pokusu vyplynulo, že síťový brum odstraní všechny filtry se stejnou spolehlivostí, z hlediska řádu výsledného systému je výhodnější použít metody rozmísťování nul a pólů. Při filtraci driftu se filtry navrhnuté pomocí metody rozmísťování nul a pólů byly nedostačující v případě prudkých výkyvů průběhu. Proto se jako výhodnější ukázala metody vzorkování fr. charakteristiky. Dále se v práci zabývám možnostmi zpracování EKG pro detekci R vlny a lokalizaci QRS komplexu. Pro obě možnosti jsem dospěl ke kaskádě filtrů, pomocí nichž lze signál takto zpracovat.
|
|
|
Automatické rozměření vícesvodových EKG signálů
Veverka, Vojtěch ; Smital, Lukáš (oponent) ; Hejč, Jakub (vedoucí práce)
Tato semestrální práce je zaměřena na automatické rozměření EKG signálu. V teoretické části práce je popsán vznik a možnosti snímání EKG signálu. Dále je nastudována problematika analýzy hlavních komponent, jejíž výstup slouží jako vstupní signál pro rozměření. Jsou popsány základní metody sloužící pro rozměření EKG signálu. V praktické části práce je navržen algoritmus pro rozměření EKG signálu, který byl otestován na základní CSE databázi. Výsledky jsou diskutovány v závěru práce.
|
|
|
Detekce QRS založená na počítání průchodů nulou
Hanus, Rostislav ; Smital, Lukáš (oponent) ; Vítek, Martin (vedoucí práce)
Tato diplomová práce se zabývá detekcí QRS komplexu pomocí průchodů nulovou hladinou za segment. Detekce QRS komplexu je důležitou součástí analýzy EKG signálu. Od určení polohy bodu R vlny se odvíjí detekce ostatních vln a intervalů potřebných pro diagnostiku srdce. Tato metoda je velmi účinná i pro silně zašuměné signály. Realizace metody je v programu Matlab a úspěšnost detekce je testována na databázích CSE a MIT-BIH. Součástí je optimalizační algoritmus pro volitelné hodnoty detektoru.
|
|
|
Detekce QRS komplexu s využitím vlnkové transformace
Loviška, David ; Čech, Petr (oponent) ; Smital, Lukáš (vedoucí práce)
Cílem práce s názvem Detekce QRS komplexu s využitím vlnkové transformace je zjednodušit a urychlit práci lékaře. Toho lze dosáhnout využitím aplikace schopné jednoduše detekovat QRS komplex za použití jednoho ze čtyř navržených algoritmů detekce. Vytvořená aplikace poskytne lékaři základní informace o vloženém elektrokardiogramu. Součástí aplikace je i grafické okno se zobrazeným záznamem a na něm barevně zvýrazněny body vyhodnocené aplikací jako QRS komplexy. Body jsou dalším algoritmem rozděleny barevně podle určené jistoty správné lokalizace konkrétního komplexu. Tento program je navrhován pro několikahodinové záznamy Holterova monitorování EKG.
|
host ::
RSS.