Pokročilé hodnocení kvality spánku

Abstract

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.This thesis deals with the assessment of sleep quality using modern deep learning methods. The thesis describes metrics for automatic classification of sleep stages. A selected database of sleep data is discussed. Due to the low number of data in the wakefulness phase, different methods of data augmentation are described and implemented. Models based on 1D convolutional networks are the basis for the classification. As a result, models for binary classification and classification of 3 and 4 sleep phases are prepared. Finally, sleep quality metrics are calculated using these models and the results are compared with the literature.