Hodnocení zdraví pomocí chytrých zařízení
Loading...
Date
Authors
Vargová, Enikö
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Tato práce se zabývá možností neinvazivního stanovení glykémie z fotopletysmografických signálů. Zvýšená glykémie často souvisí s onemocněním zvaným diabetes mellitus, což je jedno z nejčastějších chronických onemocnění na světě. Neléčený diabetes bývá často příčinou úmrtí. Cílem práce je vytvořit algoritmus pro klasifikaci a predikci glykémie. Nejdříve byly naměřeny dvě databáze PPG signálů s využitím dvou chytrých zařízení (chytrý náramek a chytrý telefon). Současně byla měřena také referenční hodnota glykémie invazivně. PPG signály byly předzpracovány a byly z nich extrahovány vhodné příznaky pro klasifikaci i predikci konkrétní hodnoty glykémie. Následně bylo vytvořeno několik různých modelů pro klasifikaci glykémie do dvou skupin (nízká a vysoká glykémie) a pro predikci konkrétní hodnoty glykémie.
This thesis deals with the possibilities of non-invasive determination of blood glucose from photoplethysmographic signals. Elevated blood sugar is often associated with disease called diabetes mellitus. Diabetes is one of the world’s major chronic diseases. Untreated diabetes is often a cause of death. The aim of the work is to propose methods for glycemic classification and prediction. Two datasets have been created by recording the PPG signals using two smart devices (a smart wristband and a smartphone), along with their blood glucose levels measured in an invasive way. The PPG signals were preprocessed, and suitable features were extracted from them. Various machine-learning models for glycemic classification and prediction were created.
This thesis deals with the possibilities of non-invasive determination of blood glucose from photoplethysmographic signals. Elevated blood sugar is often associated with disease called diabetes mellitus. Diabetes is one of the world’s major chronic diseases. Untreated diabetes is often a cause of death. The aim of the work is to propose methods for glycemic classification and prediction. Two datasets have been created by recording the PPG signals using two smart devices (a smart wristband and a smartphone), along with their blood glucose levels measured in an invasive way. The PPG signals were preprocessed, and suitable features were extracted from them. Various machine-learning models for glycemic classification and prediction were created.
Description
Citation
VARGOVÁ, E. Hodnocení zdraví pomocí chytrých zařízení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
bez specializace
Comittee
prof. Ing. Valentýna Provazník, Ph.D. (předseda)
Ing. Martin Vítek, Ph.D. (místopředseda)
Ing. Jiří Chmelík, Ph.D. (člen)
Ing. Markéta Jakubíčková, Ph.D. (člen)
Ing. Kateřina Šabatová (člen)
Ing. Radovan Smíšek, Ph.D. (člen)
Date of acceptance
2023-06-07
Defence
Studentka prezentovala výsledky své práce a komise byla seznámena s posudky. Prof. Provazník položila otázku jaká byla časová náročnost měření? Ing. Nykrýnová položila otázku, zdali by šlo implementovat zvolený postup i do s.c. čidla. Ing. Chmelík položil otázku jak je rozdělen trénovací a testovací dataset. Prof. Provazník položila doplňující otázku jaká byla délka měřených dat? Proč byl použit zrovna butterworth filtr? Ing. Chmelík položil otázku jak invazivní měření glykémie ovlivní PPG signál. Ing. Nykrýnová položila otázku jaký je rozdíl mezi prediabetem a diabetem. Studentka odpověděla na otázky členů komise a oponenta. Studentka obhájila diplomovou práci
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení