Klasifikace spánkových událostí z polygrafických dat
Loading...
Date
Authors
Bódi, Michal
ORCID
Advisor
Referee
Mark
D
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Táto bakalárska práca rozoberá detekciu a klasifikáciu spánkového apnoe. Najprv vysvetľuje rozdiely medzi jednotlivými spánkovými poruchami a metódami získavania dát. Vytvára prehľad ako sú získavané signály a následne navrhuje postup algoritmu na detekciu a klasifikáciu za pomoci vlnkovej transformácie, prahovania a modelu strojového učenia. Práca pokračuje samotným programovým riešením v prostredí Matlab a jeho vyhodnotením cez vizualizáciu matice zámen a F1 skóre. Najvyššia hodnota F1 v detekcii dosiahla 91,33% a v klasifikácii 43,64%. Vytvorený algoritmus by mal lekárom uľahčiť hľadanie dychových porúch spánku v celonočných záznamoch.
This bachelor’s thesis discusses the detection and classification of sleep apnea. First, it explains the differences between individual sleep disorders and data acquisition methods. Creating an overview such as gain signals and then suggests an algorithm procedure for detection and classification with the help of wavelet transform, thresholding and machine learning model. The thesis continues with the program solution itself in the Matlab environment and its evaluation through the visualization of the confusion matrix and the F1 score. The highest value of F1 in detection reached 91.33% and in classification 43,64%. The created algorithm was supposed to look for sleep-related breathing disorders in all-night recordings.
This bachelor’s thesis discusses the detection and classification of sleep apnea. First, it explains the differences between individual sleep disorders and data acquisition methods. Creating an overview such as gain signals and then suggests an algorithm procedure for detection and classification with the help of wavelet transform, thresholding and machine learning model. The thesis continues with the program solution itself in the Matlab environment and its evaluation through the visualization of the confusion matrix and the F1 score. The highest value of F1 in detection reached 91.33% and in classification 43,64%. The created algorithm was supposed to look for sleep-related breathing disorders in all-night recordings.
Description
Citation
BÓDI, M. Klasifikace spánkových událostí z polygrafických dat [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2024.
Document type
Document version
Date of access to the full text
Language of document
sk
Study field
bez specializace
Comittee
prof. Ing. Marek Penhaker, Ph.D. (předseda)
doc. Ing. Jana Kolářová, Ph.D. (místopředseda)
Ing. Lukáš Smital, Ph.D. (člen)
Ing. Kateřina Šabatová (člen)
MUDr. Tibor Stračina, Ph.D. (člen)
Mgr. Veronika Bulková, Ph.D., MHA. (člen)
Date of acceptance
2024-06-11
Defence
Student prezentoval výsledky své práce a komise byla seznámena s posudky. Prof. Penhaker se zeptal, jakým způsobem bylo implementováno adaptivní prahování.
Student byl seznámen s hodnocením oponenta, který byl přítomen u obhajoby a diskutovali jednotlivé výtky k práci uvedené v posudku. Student nedostatečně odůvodnil volbu řady parametrů algoritmu pro detekci spánkových událostí, včetně volby vlnky a jejího měřítka. Student neobjasnil dostatečně čím je způsobena zlepšená klasifikační účinnost na testovací sadě dat ve srovnání s množinou validační. Dále dodatečně doplnil kritérium pro určení TP a FN, které je však sporné z pohledu detekce jednotlivých událostí.
Student neobhájil bakalářskou práci.
Result of defence
práce nebyla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení