Klasifikace akcelerometrických dat v rámci pacientského záznamu EKG

Simple item page
but.committeeprof. Ing. Marek Penhaker, Ph.D. (předseda) doc. Ing. Jana Kolářová, Ph.D. (místopředseda) Ing. Lukáš Smital, Ph.D. (člen) Ing. Kateřina Šabatová (člen) MUDr. Tibor Stračina, Ph.D. (člen) Mgr. Veronika Bulková, Ph.D., MHA. (člen)cs
but.defenceStudent prezentoval výsledky své práce a komise byla seznámena s posudky. Ing. Smital položil otázku, zda student zkoušel jednodušší přístupy než model LSTM. Jak dlouhé okno jste použil pro klasifikaci? Jak jste řešil případ, kdy jsou v okně zachyceny dvě aktivity? Student obhájil bakalářskou práci s výhradami a odpověděl na otázky členů komise a oponenta.cs
but.jazykčeština (Czech)
but.programBiomedicínská technika a bioinformatikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorBulková, Veronikacs
dc.contributor.authorKindl, Zdeněkcs
dc.contributor.refereeŘedina, Richardcs
dc.date.created2024cs
dc.description.abstractPředmětem 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.cs
dc.description.abstractThe 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.en
dc.description.markCcs
dc.identifier.citationKINDL, Z. Klasifikace akcelerometrických dat v rámci pacientského záznamu EKG [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2024.cs
dc.identifier.other159699cs
dc.identifier.urihttp://hdl.handle.net/11012/246787
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.subjectNeuronová síťcs
dc.subjectstrojové učenícs
dc.subjectklasifikace pohybů pacientacs
dc.subjectBittium Faros 180Lcs
dc.subjectakcelerometrická datacs
dc.subjectdatabáze pohybůcs
dc.subjectNeural networken
dc.subjectmachine learningen
dc.subjectpatient motion classificationen
dc.subjectBittium Faros 180Len
dc.subjectaccelerometer dataen
dc.subjectmotion databaseen
dc.titleKlasifikace akcelerometrických dat v rámci pacientského záznamu EKGcs
dc.title.alternativeAccelerometer data classification within the patient ECG recorden
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2024-06-11cs
dcterms.modified2024-06-12-15:39:12cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid159699en
sync.item.dbtypeZPen
sync.item.insts2025.03.17 17:19:56en
sync.item.modts2025.01.17 13:16:22en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav biomedicínského inženýrstvícs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
3.81 MB
Format:
Adobe Portable Document Format
Description:
file final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
13.01 MB
Format:
Unknown data format
Description:
file appendix-1.zip
Download
Thumbnail Image
Name:
review_159699.html
Size:
6.28 KB
Format:
Hypertext Markup Language
Description:
file review_159699.html
Download
Collections
2024