Automatická detekce K-komplexů ve spánkových signálech EEG

Simple item page
but.committeedoc. Ing. Jiří Kozumplík, CSc. (předseda) doc. RNDr. Michal Masařík, Ph.D. (místopředseda) Ing. Martin Čížek, Ph.D. (člen) Mgr. Dušan Hemzal, Ph.D. (člen) doc. RNDr. Jiří Tomáš, Dr. (člen)cs
but.defenceStudentka prezentovala výsledky své práce a komise byla seznámena s posudky. Mgr. Hemzal položil otázku Co znamená pojem "backpropagation" v umělé neuronové síti? Doc. Kozumplík položil otázku Jak jsou počítány hodnoty TNR? Zkoušela jste vztáhnout výsledky jednoho experta k druhému? 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.advisorKozumplík, Jiřícs
dc.contributor.authorPecníková, Michaelacs
dc.contributor.refereeFilipenská, Marinacs
dc.date.created2016cs
dc.description.abstractTato práce se zabývá problémem detekce K-komplexů ve spánkovém EEG. Studium spánku je velmi důležité pro diagnostiku mozkových poruch a pro analýzu mozkových aktivit. Vzhledem k tomu, že K-komplex může mít širokou škálu tvarů, je velmi obtížné detekovat K-komplexy ručně. V této práci prezentuji automatickou metodu detekce K-komplexů založenou na vlnkové transformaci, TKEO a dále metodu klasifikace za pomoci dopředné neuronové sítě. Výkon detekce dosáhl hodnot v rozmezí 52,9 až 83,6 %.cs
dc.description.abstractThis paper addresses the problem of detecting K-complexes in sleep EEG. The study of sleep has become very essential to diagnose the brain disorders and analysis of brain activities. Since Kcomplex can have a wide variety of shapes it is very difficult to detect the K-complexes manually. In this paper, I present an automatic method for K-complexes detection based wavelet transform,TKEO and method for classification using feedforward multilayer neural network designed in Matlab. Detection performance reached the value approx. from 52,9 to 83,6 %.en
dc.description.markBcs
dc.identifier.citationPECNÍKOVÁ, M. Automatická detekce K-komplexů ve spánkových signálech EEG [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2016.cs
dc.identifier.other93552cs
dc.identifier.urihttp://hdl.handle.net/11012/59865
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.subjectElektroencefalografie(EEG)cs
dc.subjectPolysomnografie(PSG)cs
dc.subjectspánkové grafoelementycs
dc.subjectKkomplexcs
dc.subjectvlnková transformacecs
dc.subjectTKEOcs
dc.subjectumělá neuronová síťcs
dc.subjectMATLABcs
dc.subjectElectroencephalography(EEG)en
dc.subjectPolysomnography(PSG)en
dc.subjectsleeping graphoelementsen
dc.subjectKcomplexen
dc.subjectwavelet transformen
dc.subjectTKEOen
dc.subjectartificial neural networken
dc.subjectMATLABen
dc.titleAutomatická detekce K-komplexů ve spánkových signálech EEGcs
dc.title.alternativeAutomatic detection of K-complexes in sleep EEG signalsen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2016-06-07cs
dcterms.modified2016-06-10-12:57:36cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid93552en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 13:24:22en
sync.item.modts2025.01.15 11:45:16en
thesis.disciplineBiomedicínské inženýrství a bioinformatikacs
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:
2.31 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
5.1 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_93552.html
Size:
5.8 KB
Format:
Hypertext Markup Language
Description:
file review_93552.html
Download
Collections
2016