Klasifikace spánkových událostí z polygrafických dat
Loading...
Date
Authors
Bódi, Michal
ORCID
Advisor
Referee
Mark
D
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Táto bakalárska práca rozoberá detekciu a klasifikáciu spánkového apnoe. Najprv vysvetľuje jednotlivé spánkové poruchy a ich príčiny vzniku. Načrtne diagnostiku týchto porúch a možný postup liečby. Uvádza metódy získavania dát a vytvára prehľad získavania používaných signálov. Následne navrhuje postup algoritmu na detekciu za pomoci vlnkovej transformácie a adaptívneho prahovania. Práca pokračuje samotným programovým riešením deleným do funkcií v prostredí Matlab. Jeho vyhodnotenie bolo cez apnoe/hypopnoe index a metriku senzitivity, presnosti a skóre F1. Najnižšia absolútna chyba indexu apnoe/hypopnoe v zázname 6. dosiahla 0,24 za hodinu a celkovo priemerná chyba bola 6,69 za hodinu. Najvyššia hodnota F1 v zázname 5. dosiahla 91,84% a celkovo bola 76,72%. Výsledky boli zobrazené pomocou grafov, matice zámen a vhodnými obrázkami. Vytvorený algoritmus by mal lekárom uľahčiť hľadanie dychových porúch spánku v celonočných záznamoch. Pacientom by umožnil mať výsledky hneď po vyšetrení.
This bachelor’s thesis discusses the detection and classification of sleep apnea. First, it explains individual sleep disorders and their causes. It outlines the diagnosis of these disorders and the possible course of treatment. It lists the data acquisition methods and creates an overview of the acquisition of the used signals. Subsequently, it proposes an algorithm procedure for detection using wavelet transformation and adaptive thresholding. The work continues with the program solution itself divided into functions in the Matlab environment. Its evaluation was through the apnea/hypopnea index and the metric of sensitivity, accuracy and F1 score. The lowest absolute error of the apnea/hypopnea index in record 6 was 0.24 per hour, and the overall average error was 6.69 per hour. The highest value of F1 in record 5 reached 91.84% and the total was 76.72%. The results were displayed using graphs, a confusion matrix and appropriate figures. The created algorithm should make it easier for doctors to search for sleep breathing disorders in all-night recordings. It would allow patients to have results immediately after the examination.
This bachelor’s thesis discusses the detection and classification of sleep apnea. First, it explains individual sleep disorders and their causes. It outlines the diagnosis of these disorders and the possible course of treatment. It lists the data acquisition methods and creates an overview of the acquisition of the used signals. Subsequently, it proposes an algorithm procedure for detection using wavelet transformation and adaptive thresholding. The work continues with the program solution itself divided into functions in the Matlab environment. Its evaluation was through the apnea/hypopnea index and the metric of sensitivity, accuracy and F1 score. The lowest absolute error of the apnea/hypopnea index in record 6 was 0.24 per hour, and the overall average error was 6.69 per hour. The highest value of F1 in record 5 reached 91.84% and the total was 76.72%. The results were displayed using graphs, a confusion matrix and appropriate figures. The created algorithm should make it easier for doctors to search for sleep breathing disorders in all-night recordings. It would allow patients to have results immediately after the examination.
Description
Keywords
spánkové udalosti, poruchy dýchania v spánku, spánkové apnoe, hypopnoe, polysomnografia, polygrafia, vlnková transformácia, adaptívne prahovanie, detekcia, klasifikácia, apnoe/hypopnoe index, F1 skóre, Sleep Events, Sleep-related Breathing Disorders, Sleep Apnea, Hypopnea, Polysomnography, Polygraphy, Wavelet Transform, Adaptive Thresholding, Detection, Classification, Apnea/Hypopnea Index, F1 Score
Citation
BÓDI, M. Klasifikace spánkových událostí z polygrafických dat [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2024.
Document type
Document version
Date of access to the full text
Language of document
sk
Study field
bez specializace
Comittee
doc. Mgr. Ing. Karel Sedlář, Ph.D. (předseda)
Ing. Jiří Chmelík, Ph.D. (místopředseda)
Ing. Martin Králík (člen)
Ing. Markéta Jakubíčková, Ph.D. (člen)
MUDr.Ing. Richard Ředina (člen)
Date of acceptance
2024-08-29
Defence
Student prezentoval výsledky své práce a komise byla seznámena s posudky.
MUDr. Ing. Ředina položil otázku: Kolik procent signálů bylo postiženo apnoe? Co vyjadřují boxploty v grafu 3.5 a jaký je jejich význam?
Ing. Chmelík položil otázku: Je vhodné porovnávat absolutní počty TP, FP, FN mezi jednotlivými záznamy? Nebylo by vhodnější počty normalizovat? Lze využít Vaše řešení klinicky nebo stále dosahuje vysoké chybovosti?
Student obhájil bakalářskou práci s výhradami a odpověděl na otázky členů komise.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení