Klasifikace spánkových stádií
but.committee | doc. Ing. Jiří Rozman, CSc. (předseda) Ing. Radovan Jiřík, Ph.D. (místopředseda) prof. MUDr. Aleš Hep, CSc. (člen) Mgr. Martina Raudenská, Ph.D. (člen) Ing. Jan Odstrčilík, Ph.D. (člen) | cs |
but.defence | Studentka prezentovala výsledky své práce a komise byla seznámena s posudky. Ing. Jiřík položil otázku na použitá data. Doc. Rozman položil otázku na místo snímání dat a co je to K-komplex. Studentka odpověděla na otázky od oponenta a členů komise. Studentka obhájila bakalářskou práci. | cs |
but.jazyk | čeština (Czech) | |
but.program | Biomedicínská technika a bioinformatika | cs |
but.result | práce byla úspěšně obhájena | cs |
dc.contributor.advisor | Potočňák, Tomáš | cs |
dc.contributor.author | Nováková, Kateřina | cs |
dc.contributor.referee | Ronzhina, Marina | cs |
dc.date.accessioned | 2019-04-03T22:48:51Z | |
dc.date.available | 2019-04-03T22:48:51Z | |
dc.date.created | 2016 | cs |
dc.description.abstract | Předložená práce se zabývá základním popisem polysomnografického měření, morfologií spánku a jeho stádii. Dále jsou zde uvedeny vybrané metody zpracování elektroencefalografických signálů. Techniky zpracování jsou zejména zaměřeny na klasifikaci spánkových stádií. Praktická část práce se zabývá realizací tří metod klasifikace s využitím umělých neuronových sítí a ověřením funkčnosti těchto metod. Všechny algoritmy jsou zpracovány v prostředí programu Matlab. Příznakové vektory jsou získány pomocí výpočtu energií, Welchovy spektrální analýzy a Hilbert-Huangovy transformace. Pro klasifikaci jsou zde využity tři typy umělých neuronových sítí - rekurentní neuronová síť, dopředná síť a síť pro klasifikaci vzorů. Na základě příznakových vektorů je spánek klasifikován do stádií bdělost (W), spánek bez výskytu rychlých očních pohybů (NREM) a spánek s výskytem rychlých očních pohybů (REM). | cs |
dc.description.abstract | This work deals with the basic description of polysomnography, sleep morphology and sleep stages. Furtherly, some methods to process electroencephalographic signals are mentioned. Those processing methods are mainly focused on sleep stage classification. The practical part deals with the realization of three classification algorithms using artificial neural networks and verifying the functionality of these methods. All algorithms are designed in Matlab. Feature vectors for individual methods are obtained using energy values, Welch's spectral analysis and Hilbert-Huang Transform. For classification three types of artificial neural networks were used - layer recurrent network, feedforward network and pattern recognition network. On the basis of feature vectors, the sleep is divided into three stages - wakefulness (W), sleep without rapid eye movements (NREM) and sleep with rapid eye movements (REM). | en |
dc.description.mark | B | cs |
dc.identifier.citation | NOVÁKOVÁ, K. Klasifikace spánkových stádií [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2016. | cs |
dc.identifier.other | 93499 | cs |
dc.identifier.uri | http://hdl.handle.net/11012/61634 | |
dc.language.iso | cs | cs |
dc.publisher | Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií | cs |
dc.rights | Standardní licenční smlouva - přístup k plnému textu bez omezení | cs |
dc.subject | Polysomnografie | cs |
dc.subject | PSG | cs |
dc.subject | elektroencefalogram | cs |
dc.subject | EEG | cs |
dc.subject | spánkové EEG | cs |
dc.subject | klasifikace | cs |
dc.subject | spánková stádia | cs |
dc.subject | umělá neuronová síť | cs |
dc.subject | AAN | cs |
dc.subject | Polysomnography | en |
dc.subject | PSG | en |
dc.subject | electroencephalogram | en |
dc.subject | EEG | en |
dc.subject | sleep EEG | en |
dc.subject | classification | en |
dc.subject | sleep stages | en |
dc.subject | artificial neural network | en |
dc.subject | AAN | en |
dc.title | Klasifikace spánkových stádií | cs |
dc.title.alternative | Sleep stages classification | en |
dc.type | Text | cs |
dc.type.driver | bachelorThesis | en |
dc.type.evskp | bakalářská práce | cs |
dcterms.dateAccepted | 2016-06-15 | cs |
dcterms.modified | 2016-06-15-14:01:50 | cs |
eprints.affiliatedInstitution.faculty | Fakulta elektrotechniky a komunikačních technologií | cs |
sync.item.dbid | 93499 | en |
sync.item.dbtype | ZP | en |
sync.item.insts | 2021.11.12 18:58:34 | en |
sync.item.modts | 2021.11.12 18:36:31 | en |
thesis.discipline | Biomedicínská technika a bioinformatika | cs |
thesis.grantor | Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav biomedicínského inženýrství | cs |
thesis.level | Bakalářský | cs |
thesis.name | Bc. | cs |
Files
Original bundle
1 - 3 of 3
Loading...
- Name:
- final-thesis.pdf
- Size:
- 1.15 MB
- Format:
- Adobe Portable Document Format
- Description:
- final-thesis.pdf
Loading...
- Name:
- review_93499.html
- Size:
- 5.69 KB
- Format:
- Hypertext Markup Language
- Description:
- review_93499.html