Pokročilé hodnocení kvality spánku

Simple item page
but.committeeprof. Ing. Martin Augustynek, Ph.D. (předseda) Ing. Martin Mézl, Ph.D. (místopředseda) Ing. Vratislav Harabiš, Ph.D. (člen) Ing. Jiří Sekora, MBA (člen) Ing. Filip Plešinger, Ph.D. (člen) Ing. Vratislav Čmiel, Ph.D. (člen)cs
but.defenceStudentka prezentovala výsledky své práce a komise byla seznámena s posudky. Doc. Augustynek položil otázku: Co vyjadřují grafy na snímku č. 3 Vaší prezentace? Ing. Mézl položil otázku: Napadl by Vás sofistikovanější způsob výběru úseků signálů pro hodnocení? Ing. Plešinger položil otázku: Jaké bylo vzorkování? Dělala jste i korekci rozsahu signálu? Studentka obhájila diplomovou práci a odpověděla na otázky členů komise a oponenta.cs
but.jazykčeština (Czech)
but.programBioinženýrstvícs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorFilipenská, Marinacs
dc.contributor.authorDoležalová, Annacs
dc.contributor.refereeKrálík, Martincs
dc.date.created2022cs
dc.description.abstractTato diplomová se zabývá pokročilým hodnocením kvality spánku pomocí hlubokého učení. Jsou zde popsány metriky pro hodnocení spánku a jejich využití. Pro klasifikaci jsou použity data tepové frekvence a akcelerometru pocházejících z chytrých hodinek Apple Watch. Základem pro klasifikaci byl model složený z 1D konvolučních sítí v kombinaci s rekurentní neuronovou sítí. Jako rekurentní sítě byly využity LSTM a GRU. Modely byly naučeny na klasifikaci do dvou, třech a pěti spánkových fází. V poslední řadě byly srovnány vzniklé metody.cs
dc.description.abstractThis diploma thesis is focused on advanced sleep assessment using deep learning. Metrics for sleep assessment and their use are described here. There are hearth rate and accelerometer data from Apple Watch used for classification. The basis for the classification was a model composed of 1D convolution networks in combination with recurrent neural network. LSTM and GRU were used as recurrent networks. Models were taught to classify into two, three and five phases. At last the resulting methods are compared.en
dc.description.markBcs
dc.identifier.citationDOLEŽALOVÁ, A. Pokročilé hodnocení kvality spánku [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2022.cs
dc.identifier.other142107cs
dc.identifier.urihttp://hdl.handle.net/11012/204928
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.subjectHodnocené kvality spánkucs
dc.subjectchytré hodinkycs
dc.subjectaktigrafiecs
dc.subjectfotopletysmografiecs
dc.subjectneuronové sítěcs
dc.subjecthluboké učenícs
dc.subjectLSTMcs
dc.subjectGRUcs
dc.subject1D CNNcs
dc.subjectSleep assessmenten
dc.subjectsmart watchen
dc.subjectactigraphyen
dc.subjectphotoplethysmographyen
dc.subjectneural networken
dc.subjectdeep learningen
dc.subjectLSTMen
dc.subjectGRUen
dc.subject1D CNNen
dc.titlePokročilé hodnocení kvality spánkucs
dc.title.alternativeAdvanced methods for sleep quality assessmenten
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2022-06-08cs
dcterms.modified2022-06-10-08:54:08cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid142107en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 14:31:38en
sync.item.modts2025.01.15 16:30:08en
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:
6.51 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
2.93 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_142107.html
Size:
4.8 KB
Format:
Hypertext Markup Language
Description:
file review_142107.html
Download
Collections
2022