Detekce fibrilace síní v EKG

Simple item page
but.committeedoc. Ing. Jana Kolářová, Ph.D. (předseda) Ing. Vratislav Harabiš, Ph.D. (místopředseda) Ing. Lukáš Smital, Ph.D. (člen) Ing. Roman Jakubíček, Ph.D. (člen) doc. Mgr. Ing. Karel Sedlář, Ph.D. (člen)cs
but.defenceStudent prezentoval výsledky své práce a komise byla seznámena s posudky. Ing. Smital položil otázku na vyhodnocení ROC analýzy síly příznaků. Vysvětlení metody krokování. Ing. Jakubíček okomentoval formální stránku práce. Zeptal se na porovnání se soutěží CinC Challenge. Ing. Harabiš okomentoval formální stránku práce, především potom práci s literaturou. Student obhájil diplomovou práci s výhradami. Nejasně odpovídal na otázky členů komise a oponenta. Komise snížila hodnocení z důvodu špatné práce s literaturou, nevhodné citační zdroje a stylu citování.cs
but.jazykčeština (Czech)
but.programBiomedicínské inženýrství a bioinformatikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorFilipenská, Marinacs
dc.contributor.authorPlch, Vítcs
dc.contributor.refereeKolářová, Janacs
dc.date.created2019cs
dc.description.abstractTato diplomová práce se zabývá především detekci síňových fibrilací pomocí HRV, klasifikaci Poincarého mapy a následnému rozdělení do dvou skupin pomocí neuronových sítí. Výsledkem je potom rozhodnutí, které veličiny jsou statisticky významné pro identifikaci síňových fibrilací, které ne, a klasifikace signálu na základě těchto veličin pomocí Bayesovy a Lavenberg-Marquardtovy neuronové sítě. Při 23 neuronech ve skryté vrstvě má Bayesova síť nejlepší výsledky, a to F1 measure = 83,6 %, Senzitivita = 88,1 % a Specificitu 94,5 %.cs
dc.description.abstractThis diploma thesis deals with detection of atrial fibrillation from HRV, classification of Poincare map and in the end the divide into two groups, one with detected atrial fibrillation and one not. The result is the decision on which variables are statistically significant for the identification of atrial fibrillations and which are not, and classification of the ECG signals with Bayes and Lavenberg-Marquardt neural networks. Bayes neural network with 23 neurons in hidden layer is best with F1 measure = 83,6 %, Sensitivity = 88,1 % and Specificity 94,5 %.en
dc.description.markEcs
dc.identifier.citationPLCH, V. Detekce fibrilace síní v EKG [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2019.cs
dc.identifier.other121407cs
dc.identifier.urihttp://hdl.handle.net/11012/180554
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.subjectDetekce síňové fibrilacecs
dc.subjectAFcs
dc.subjectRR Tachografcs
dc.subjectPoincarého grafcs
dc.subjectNeuronová síťcs
dc.subjectSD 1cs
dc.subjectSD 2cs
dc.subjectR-R entropiecs
dc.subjectVAIcs
dc.subjectROCcs
dc.subjectAUCcs
dc.subjectDetection of atrial fibrillationen
dc.subjectFISen
dc.subjectRR Tachographen
dc.subjectPoincare ploten
dc.subjectNeural networksen
dc.subjectSD1en
dc.subjectSD2en
dc.subjectR-R entropyen
dc.subjectVAIen
dc.subjectROCen
dc.subjectAUCen
dc.titleDetekce fibrilace síní v EKGcs
dc.title.alternativeECG based atrial fibrillation detectionen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2019-08-28cs
dcterms.modified2019-08-29-09:18:33cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid121407en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 13:38:35en
sync.item.modts2025.01.17 09:33:23en
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:
1.78 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
1.72 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_121407.html
Size:
6.76 KB
Format:
Hypertext Markup Language
Description:
file review_121407.html
Download
Collections
2019