Metody detekce spánkových vřeten ze záznamů EEG
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Tato bakalářská práce se zaměřuje na detekci spánkových vřeten v signálech EEG. V úvodní kapitole se zabývá signálem EEG, popisuje jeho jednotlivé součásti a přibližuje proces zaznamenávání signálu. Vysvětluje pojem spánkové vřeteno a objasňuje polysomnografii. V následující kapitole jsou formou rešerše shrnuty některé poznatky týkající se studií, jež zkoumaly a prakticky využívaly jednotlivé metody detekce spánkových vřeten. Kapitola praktické části práce je zaměřena na realizaci detektorů spánkových vřeten. Jsou aplikovány 3 různé varianty detekce, první detektor je založen na výpočtu hodnoty Teager - Kaiserova operátoru, druhý detektor užívá vlnkovou transformaci, třetí detektor je založen na principu nalezení obálky signálu. V závěru práce je porovnána úspěšnost těchto detektorů ve srovnání s jinými, dříve prováděnými studiemi. Nejvyšší úspěšnosti bylo dosaženo u detektoru založeném na výpočtu obálky signálu, kde senzitivita dosahovala 56,00 % a specificita 55,19 % a také u detektoru využívajícím vlnkové transformace, kde senzitivita činila 81,22 % a specificita 46,15 %.
This bachelor work focuses on the detection of sleep spindles in EEG signals. The introductory chapter deals with the EEG signal, describes its components and describes the signal recording process. Explains the term sleep spindle and clarifies polysomnography. In the following chapter, some findings concerning studies that examined and practically used individual methods of sleep spindle detection are summarized in the form of research. The practical part of the work is focused on some sleep spindle detectors. At the end of the work is a comparison of the success of these detectors in comparison with other, previously performed studies. The highest success was achieved with the detector based on signal envelope calculation, where the sensitivity was 56.00 \% and the specificity 55.19 %, and also with the detector using wavelet transforms, where the sensitivity was 81.22 % and the specificity 46.15 %
This bachelor work focuses on the detection of sleep spindles in EEG signals. The introductory chapter deals with the EEG signal, describes its components and describes the signal recording process. Explains the term sleep spindle and clarifies polysomnography. In the following chapter, some findings concerning studies that examined and practically used individual methods of sleep spindle detection are summarized in the form of research. The practical part of the work is focused on some sleep spindle detectors. At the end of the work is a comparison of the success of these detectors in comparison with other, previously performed studies. The highest success was achieved with the detector based on signal envelope calculation, where the sensitivity was 56.00 \% and the specificity 55.19 %, and also with the detector using wavelet transforms, where the sensitivity was 81.22 % and the specificity 46.15 %
Description
Keywords
spánkové vřeteno, elektroencefalografie (EEG), K-komplex, Teager - Kaiserův energetický operátor (TKEO), stádia spánku, polysomnografie (PSG), vlnková transformace, obálka signálu, sleep spindle, electroencephalography (EEG), K-complex, Teager - Kaiser energy operator (TKEO), sleep stages, polysomnography (PSG), wavelet transform(WT), signal envelope
Citation
MATOUŠEK, Š. Metody detekce spánkových vřeten ze záznamů EEG [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
bez specializace
Comittee
prof.Ing. Marek Penhaker, Ph.D. (předseda)
doc. Ing. Jana Kolářová, Ph.D. (místopředseda)
Ing. Marina Ronzhina, Ph.D. (člen)
Ing. Markéta Nykrýnová (člen)
MUDr. Tibor Stračina, Ph.D. (člen)
Date of acceptance
2021-06-16
Defence
Student prezentoval výsledky své práce a komise byla seznámena s posudky.
Ing. Ronzhina jak by to vypadalo pokud by byl algoritmus příliš sensitivní.
Prof. Penhaker položil otázku: Zdůvodněte Váš výběr vlnky, kterou jste použil. Vysvětlete ukázku detekce uvedenou v prezentaci.
Ing. Nykrýnová položila otázku jak byla zvolena data.
Ing. Ronzhina položila otázku proč a jak byla data rozčleněna.
Student obhájil bakalářskou práci s výhradami
a odpověděl na otázky členů komise a oponenta.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení