Automatická klasifikace spánkových fází

Simple item page
but.committeedoc. Ing. Jana Kolářová, Ph.D. (předseda) Ing. Martin Mézl, Ph.D. (místopředseda) Ing. Marina Filipenská, Ph.D. (člen) doc. Ing. Radovan Jiřík, Ph.D. (člen) Ing. Martin Čížek, Ph.D. (člen) MUDr. Tibor Stračina, Ph.D. (člen)cs
but.defenceStudent prezentoval výsledky své práce a komise byla seznámena s posudky. Student neměl k posudkům výhrad- Ing. Jiřík položil otázku na porovnávání výsledků práce s dalšími studiemi. Dále se zeptal na trénovací množinu a původ dat. Ing. Mézl položil otázku na topologii použité neuronové sítě. MUDr. Stračina položil otázku na medicínskou aplikaci polysomnografického vyšetření. Student obhájil bakalářskou práci s výhradami a odpověděl na otázky členů komise.cs
but.jazykčeština (Czech)
but.programElektrotechnika, elektronika, komunikační a řídicí technikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorFilipenská, Marinacs
dc.contributor.authorSchwanzer, Miroslavcs
dc.contributor.refereeKozumplík, Jiřícs
dc.date.created2019cs
dc.description.abstractTato diplomová práce se zabývá klasifikací spánkových fází na základě polysomnografických signálů. Pro vybrané signály byla provedena analýza a selekce příznaků v časové oblasti a ve frekvenční oblasti. Příznaky ke klasifikaci byly získány ze signálů EEG, EOG a EMG. Jako klasifikátory byly použity klasifikační modely typu K-NN, SVM, a umělé neuronové sítě. Úspěšnost klasifikace se liší podle použité metody a rozdělení skupin. Nejlepších výsledků dosahovala klasifikace mezi stavy bdělosti, fáze REM a N3, a to za pomoci neuronové sítě. Zde bylo dosaženo celkové úspěšnosti 93,1 %.cs
dc.description.abstractThis master thesis deals with classification of sleep stages on the base of polysomnographic signals. On several signals was performed analysis and feature extraxtion in time domain and in frequency domain as well. For feature extraxtion was used EEG, EOG and EMG signals. For classification was selected classification models K-NN, SVM and artifical neural network. Accuracy of classifation is different depending on used method and spleep stages split. The best results achieved classification among stages Wake, REM, and N3, with neural network usage. In this case the succes was 93,1 %.en
dc.description.markDcs
dc.identifier.citationSCHWANZER, M. Automatická klasifikace spánkových fází [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2019.cs
dc.identifier.other118469cs
dc.identifier.urihttp://hdl.handle.net/11012/177691
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.subjectElektroencefalografie (EEG)cs
dc.subjectVýkonová spektrální hustota (PSD)cs
dc.subjectUmělá neuronová síťcs
dc.subjectPolysomnografie (PSG)cs
dc.subjectAutomatická klasifikacecs
dc.subjectklasifikátor K-NNcs
dc.subjectklasifikátor SVM.cs
dc.subjectElectroencephalography (EEG)en
dc.subjectPower spectral density (PSD)en
dc.subjectArtifical neural networken
dc.subjectPolysomnography (PSG)en
dc.subjectAutomatical classificationen
dc.subjectK-NN classificatoren
dc.subjectSVM classificator.en
dc.titleAutomatická klasifikace spánkových fázícs
dc.title.alternativeAutomatic sleep scoringen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2019-06-06cs
dcterms.modified2019-06-11-08:22:30cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid118469en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 13:36:57en
sync.item.modts2025.01.15 16:13:21en
thesis.disciplineBiomedicínské a ekologické inženýrstvícs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav biomedicínského inženýrstvícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
2.8 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
4.58 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_118469.html
Size:
8.36 KB
Format:
Hypertext Markup Language
Description:
file review_118469.html
Download
Collections
2019