Detekce začátku a konce komplexu QRS s využitím hlubokého učení

Simple item page
but.committeedoc. Mgr. Ctirad Hofr, Ph.D. (předseda) Ing. Markéta Jakubíčková, Ph.D. (místopředseda) Ing. Martin Vítek, Ph.D. (člen) Ing. Martin Mézl, Ph.D. (člen) Ing. Jana Musilová, Ph.D. (člen) Ing. Radovan Smíšek, Ph.D. (člen)cs
but.defenceStudent prezentoval výsledky své práce a komise byla seznámena s posudky. Student odpověděl na přiloženou otázku oponentky. Student diskutoval s komisí výsledky práce na databázi QTDB. Ing. Mézl položil otázku týkající se metrik optimalizace procesu učení. Student obhájil diplomovou práci a odpověděl na otázky členů komise a přiloženou otázku oponenta.cs
but.jazykčeština (Czech)
but.programBiomedicínské inženýrství a bioinformatikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorSmíšek, Radovancs
dc.contributor.authorMüller, Jakubcs
dc.contributor.refereeŠaclová, Luciecs
dc.date.created2024cs
dc.description.abstractMěření EKG je základním diagnostickým nástrojem zdravotního stavu srdce a automatizace jeho analýzy může přispět ve zdravotnictví k odhlečení pracovní zátěže personálu nebo ke zlepšení kvality automatické diagnostiky z nositelných zařízení. Tato práce se zaměřuje konkrétně na komplex QRS v signále EKG, s hlavním cílem aplikování metod hlubokého učení k detekci jeho počátku a konce. V teoretickém úvodu je čtenář seznámen s původem komplexu QRS a měřením EKG, umělými neuronovými sítěmi a hlubokým učením. Pro implementaci vlastní metody byla zvolena architektura U-Net modifikovaná pro 1D signály. Data byly čerpány z pěti veřejně přístupných databází, jejich předzpracování proběhlo v prostředí Matlab. Následoval přesun do prostředí Python kde byly realizovány části modelu s použitím knihoven TensorFlow a Keras, následné trénování, testování modelu a vyhodnocení výsledků.cs
dc.description.abstractECG measurement isan essential diagnostic tool for cardiac health, and automation of its analysis can aid to our healthcare to relieve staff workload or improve the quality of automated diagnostics from wearable devices. This work focuses specifically on the QRS complex in the ECG signal, with the main goal of using deep learning methods to detect its onset and offset. In the theoretical introduction, the reader is introduced to the origin of the QRS complex and ECG measurements, artificial neural networks and deep learning. Modified architecture U-Net for 1D signals was chosen to implement the actual method. Data were extracted from five publicly available databases and preprocessed in Matlab. This was followed by moving to the Python environment where parts of the model were implemented using the TensorFlow and Keras libraries, subsequent training, testing of the model and evaluation of the results.en
dc.description.markBcs
dc.identifier.citationMÜLLER, J. Detekce začátku a konce komplexu QRS s využitím hlubokého učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2024.cs
dc.identifier.other159760cs
dc.identifier.urihttp://hdl.handle.net/11012/246227
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.subjectEKG signálcs
dc.subjectQRS komplexcs
dc.subjectQRS detekcecs
dc.subjectQRS počátekcs
dc.subjectQRS koneccs
dc.subjectdatabázecs
dc.subjectneuronová síťcs
dc.subjecthluboké učenícs
dc.subjectkonvolucecs
dc.subjectU-Netcs
dc.subjectPythoncs
dc.subjectTensorFlowcs
dc.subjectKerascs
dc.subjectECG signalen
dc.subjectQRS complexen
dc.subjectQRS detectionen
dc.subjectQRS onseten
dc.subjectQRS offseten
dc.subjectdatabaseen
dc.subjectneural networken
dc.subjectdeep learningen
dc.subjectconvolutionen
dc.subjectU-Neten
dc.subjectPythonen
dc.subjectTensorFlowen
dc.subjectKerasen
dc.titleDetekce začátku a konce komplexu QRS s využitím hlubokého učenícs
dc.title.alternativeDetekce začátku a konce komplexu QRS s využitím hlubokého učeníen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2024-06-10cs
dcterms.modified2024-06-11-09:05:48cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid159760en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 14:42:24en
sync.item.modts2025.01.17 11:56:41en
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:
4.35 MB
Format:
Adobe Portable Document Format
Description:
file final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
2.67 MB
Format:
Unknown data format
Description:
file appendix-1.zip
Download
Thumbnail Image
Name:
review_159760.html
Size:
6.83 KB
Format:
Hypertext Markup Language
Description:
file review_159760.html
Download
Collections
2024