Klasifikace akcelerometrických dat v rámci pacientského záznamu EKG

Abstract

Předmětem bakalářské práce je klasifikace akcelerometrických dat pacienta. Cílem je zlepšení objasnění patologií v EKG signálu. Klasifikace probíhá na datech, která byla naměřena zařízením Bittium Faros 180L. Byla vytvořena vlastní databáze pohybů. Pacientská data jsou zpracovávána pomocí rekurentní neuronové sítě. Ta rozdělí pohyby do tří základních skupin: klidová aktivita, mírná aktivita, vysoká aktivita. Výstupem je soubor s anotací pohybu. Práce obsahuje popis neuronových sítí, data, zpracování dat a vytvoření neuronové sítě s kódy.The subject of the bachelor's thesis is the classification of patient accelerometric data. The aim is to improve the clarification of pathologies in the ECG signal. The classification is performed on data measured by the Bittium Faros 180L device. A custom database of movements was created. Patient data is processed using a recurrent neural network, which classifies the movements into three basic groups: resting activity, moderate activity, and high activity. The output is a file with movement annotations. The thesis includes a description of neural networks, data, data processing, and the creation of the neural network with codes.