Pokročilá klasifikace spánkových fází

Simple item page
but.committeeprof. Ing. Valentýna Provazník, Ph.D. (předseda) Ing. Martin Vítek, Ph.D. (místopředseda) Ing. Jiří Chmelík, Ph.D. (člen) Ing. Markéta Jakubíčková, Ph.D. (člen) Ing. Radovan Smíšek, Ph.D. (člen) doc. Mgr. Ing. Karel Sedlář, Ph.D. (člen)cs
but.defenceStudentka prezentovala výsledky své práce a komise byla seznámena s posudky. Dr. Vítek položil otázku, co je to standardizovaná tepová frekvence? Vztahuje se F1 skóre pouze k hodnocení do 2 kategorií? Ing. Smíšek položil otázku v čem byla práce inovativní? Prof. Provazník položila otázku, zdali je studentka spokojená s dosaženými výsledky Dr. Chmelík položil otázku na počet vzorků na vstupu neuronové sítě. Studentka odpověděla na otázky členů komise a oponenta. Studentka obhájila diplomovou práci s výhradami.cs
but.jazykčeština (Czech)
but.programBiomedicínské inženýrství a bioinformatikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorFilipenská, Marinacs
dc.contributor.authorDokoupilová, Danielacs
dc.contributor.refereeNovotná, Petracs
dc.date.created2023cs
dc.description.abstractTato diplomová práce se věnuje klasifikaci spánkových fází z chytrých hodinek. Využity byly dva signály, a to tepová frekvence a zrychlení. Pro klasifikaci byl vybrán model TinySleepNet, který je složen z konvoluční a LSTM sítě. Model byl natrénován nejprve pro klasifikaci pěti spánkových fází pouze z tepové frekvence, F1 skóre prvního modelu dosáhlo 49 %. Zrychlení bylo přepočítáno na vektor SVM, na kterém byl natrénován druhý model. Kvůli nedostatku informací ve vektoru SVM byl model natrénován pouze pro binární klasifikaci bdění/spánek a jeho F1 skóre dosáhlo 62,3 %. V posledním modelu byly oba signály zkombinovány. Klasifikace z tepové frekvence a vektoru SVM na pět spánkových fází poté dosáhla F1 skóre 51 %. Vypočtené parametry hodnotící kvalitu spánku byly poté srovnány s daty ohodnocenými spánkovým expertem.cs
dc.description.abstractThis diploma thesis focuses on classification of sleep stages using a smart watch. Two signals were used – heart rate and acceleration. A model called TinySleepNet composed of convolutional neural network and LSTM was chosen for this task. The model was first trained for the classification of five sleep stages using only heart rate, achieving F1 score of 49%. Acceleration was converted into an SVM vector, on which the second model was trained. Due to the lack of information in the SVM vector, the model was trained only for binary classification of wake/sleep, achieving F1 score of 62.3%. Both SVM and heart rate were combined in the last model. The classification of heart rate and SVM vector into five sleep stages achieved F1 score of 51%. The calculated parameters evaluating sleep quality were then compared with data evaluated by a sleep expert.en
dc.description.markCcs
dc.identifier.citationDOKOUPILOVÁ, D. Pokročilá klasifikace spánkových fází [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.cs
dc.identifier.other150839cs
dc.identifier.urihttp://hdl.handle.net/11012/210203
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.subjectspánekcs
dc.subjectchytré hodinkycs
dc.subjectklasifikacecs
dc.subjecthodnocení kvality spánkucs
dc.subjectTinySleepNetcs
dc.subjectdeep learningcs
dc.subjectsleepen
dc.subjectsmartwatchen
dc.subjectclassificationen
dc.subjectsleep scoringen
dc.subjectTinySleepNeten
dc.subjectdeep learningen
dc.titlePokročilá klasifikace spánkových fázícs
dc.title.alternativeAdvanced sleep scoringen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2023-06-08cs
dcterms.modified2023-06-09-09:09:06cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid150839en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 14:40:39en
sync.item.modts2025.01.17 10:12:01en
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:
6.02 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
213.77 KB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_150839.html
Size:
6.81 KB
Format:
Hypertext Markup Language
Description:
file review_150839.html
Download
Collections
2023