Detekce komorových extrasystol v EKG

Simple item page
but.committeeprof. Ing. Ivo Provazník, Ph.D. (předseda) Ing. Marina Ronzhina, Ph.D. (místopředseda) Ing. Kateřina Jurečková (člen) Ing. Oto Janoušek, Ph.D. (člen) Mgr. Zdenka Fohlerová, Ph.D. (člen)cs
but.defenceStudentka prezentovala výsledky své práce a komise byla seznámena s posudky. Ing. Janoušek položil otázku: jak se řeší přiřazení jednoho prvku do více kategorií. Prof. Provazník položil otázky: porovnání metody implementované v bakalářské práci s nyní prezentovanou metodou; možnost neklasifikace úseků s cílem zlepšení výstupů. Studentka obhájila diplomovou práci a odpověděla na otázky členů komise a oponenta.cs
but.jazykčeština (Czech)
but.programBiomedicínské inženýrství a bioinformatikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorRonzhina, Marinacs
dc.contributor.authorImramovská, Kláracs
dc.contributor.refereeHejč, Jakubcs
dc.date.accessioned2021-06-10T06:55:39Z
dc.date.available2021-06-10T06:55:39Z
dc.date.created2021cs
dc.description.abstractPráce se zabývá problematikou automatické detekce komorových extrasystol v EKG záznamech. V jazyce Python byla implementována metoda detekce využívající konvoluční neuronové sítě a LSTM jednotek. Pro detekci byly využity srdeční cykly extrahované z jednoho svodu EKG. Při klasifikaci do dvou tříd (KES a normální rytmus) dosáhlo F1 skóre na testovací množině 96,41 %, u klasifikace do tří tříd (KES, normální rytmus a ostatní arytmie) 81,76 %. V závěru práce je úspěšnost klasifikace zhodnocena a diskutována, dosažené výsledky pro klasifikaci do dvou tříd jsou srovnatelné s výsledky metod z jiných studií.cs
dc.description.abstractThe thesis deals with problems of automatic detection of premature ventricular contractions in ECG records. One detection method which uses a convolutional neural network and LSTM units is implemented in the Python language. Cardiac cycles extracted from one-lead ECG were used for detection. F1 score for binary classification (PVC and normal beat) on the test dataset reached 96,41 % and 81,76 % for three-class classification (PVC, normal beat and other arrhythmias). Lastly, the accuracy of the classification is evaluated and discussed, the achieved results for binary classification are comparable to the results of methods described in different papers.en
dc.description.markAcs
dc.identifier.citationIMRAMOVSKÁ, K. Detekce komorových extrasystol v EKG [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.cs
dc.identifier.other134417cs
dc.identifier.urihttp://hdl.handle.net/11012/197015
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectkomorová extrasystolacs
dc.subjectelektrokardiogramcs
dc.subjectklasifikacecs
dc.subjectkonvoluční neuronová síťcs
dc.subjectLSTM jednotkacs
dc.subjectpremature ventricular contractionen
dc.subjectelectrocardiogramen
dc.subjectclassificationen
dc.subjectconvolutional neural networken
dc.subjectLSTM uniten
dc.titleDetekce komorových extrasystol v EKGcs
dc.title.alternativePVC detection in ECGen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2021-06-09cs
dcterms.modified2021-06-10-13:53:45cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid134417en
sync.item.dbtypeZPen
sync.item.insts2021.11.12 13:12:06en
sync.item.modts2021.11.12 11:52:42en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav biomedicínského inženýrstvícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
3.84 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
11.82 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_134417.html
Size:
8.76 KB
Format:
Hypertext Markup Language
Description:
review_134417.html
Download
Collections
2021