EKG biometrie s využitím hlubokého učení
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Diplomová práca spracováva celkový prehľad rôznych prístupov k využitiu EKG ako biometrie. Pre trénovanie a testovanie vytvorených neurónových sietí boli zozbierané záznamy ľudí pomocou náramku schopného merať EKG v priebehu štyroch mesiacov. Pomocou týchto dát boli zostrojené neurónové siete rôznych typov, z ktorých najlepšie obstáli jednoduché konvolučné neurónové siete. Modely v priemere dosahovali skutočnej miery prijatia nad 98,9% a odmietnutia 99,5%. Následne po tréningu boli vizualizované rôznymi technikami a popísane dôležité úseky EKG pre verifikáciu. Práca taktiež popisuje implementáciu v podobe Android aplikácie a optimalizáciu neurónových sietí.
This diploma thesis makes a comprehensive overview of various approaches to the usage of ECG as biometry. ECG of people was measured with ECG capable wristband for training and testing purposes. The measurements were gathered during the four-month period. The neural networks of various types were trained on these data, and the feedforward convolutional neural networks have the best performance. These models reached a true acceptance rate 98,9% and a true rejection rate 99,5% on average. After training, the models have been visualised with a variety of techniques and essentials parts of ECG for verification have been described. The thesis also describes the first implementation of the Android application.
This diploma thesis makes a comprehensive overview of various approaches to the usage of ECG as biometry. ECG of people was measured with ECG capable wristband for training and testing purposes. The measurements were gathered during the four-month period. The neural networks of various types were trained on these data, and the feedforward convolutional neural networks have the best performance. These models reached a true acceptance rate 98,9% and a true rejection rate 99,5% on average. After training, the models have been visualised with a variety of techniques and essentials parts of ECG for verification have been described. The thesis also describes the first implementation of the Android application.
Description
Keywords
Hlboké učenie, neurónové siete, EKG, konvolučné neurónové siete, siamské neurónové siete, biometria, Android aplikácia, vizualizácia neurónových sietí, Deep learning, neural networks, ECG, convolutional neural networks, siamese neural networks, biometry, Android application, visualisation of neural networks
Citation
REPČÍK, T. EKG biometrie s využitím hlubokého učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.
Document type
Document version
Date of access to the full text
Language of document
sk
Study field
bez specializace
Comittee
prof. Ing. Valentine Provazník, Ph.D. (předseda)
Ing. Marina Filipenská, Ph.D. (místopředseda)
Ing. Kateřina Jurečková (člen)
Ing. Oto Janoušek, Ph.D. (člen)
doc. Mgr. Zdenka Fohlerová, Ph.D. (člen)
Date of acceptance
2021-06-09
Defence
Student prezentoval výsledky své práce a komise byla seznámena s posudky. Ing. Ronzhina položila otázku: jsou výchylky způsobené fyziologicky nebo technicky? Je možné zkrátit délku měření? Můžete dovysvětlit princip verifikace? Ing. Janoušek položil otázku, zda je možné bonifikovat určité parametry a vyhodnocení měření u specifických typů osob (těhotné ženy, obezita, atd.). Student obhájil diplomovou práci a odpověděl na otázky členů komise a oponenta.
Result of defence
práce byla úspěšně obhájena
Document licence
Přístup k plnému textu prostřednictvím internetu byl licenční smlouvou omezen na dobu 3 roku/let