Automatická detekce fibrilace síní pomocí metod hlubokého učení

Simple item page
but.committeeprof. Pharm.Dr. Petr Babula, Ph.D. (předseda) Ing. Marina Filipenská, Ph.D. (místopředseda) Ing. Lukáš Smital, Ph.D. (člen) doc. Mgr. Martina Lengerová, Ph.D. (člen) Ing. Roman Jakubíček, Ph.D. (člen)cs
but.defenceStudentka seznámila komisi se závěry své diplomové práce a v následné diskuzi odpověděla na otázky komise. Studentka obhájila diplomovou práci.cs
but.jazykčeština (Czech)
but.programBiomedicínské inženýrství a bioinformatikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorHejč, Jakubcs
dc.contributor.authorBudíková, Barboracs
dc.contributor.refereeFilipenská, Marinacs
dc.date.created2020cs
dc.description.abstractSíňová fibrilace je arytmie, která se běžně detekuje z křivky EKG pomocí jejích specifických projevů. Její časné rozpoznání je klíčové k prevenci závažnějších stavů. Automatická detekce fibrilace síní se v posledních letech stále častěji provádí pomocí metod hlubokého učení. Tato práce představuje detekci fibrilace síní v křivce 12svodového EKG pomocí hluboké konvoluční neuronové sítě. V první části práce jsou představeny teoretické souvislosti k práci potřebné, dále je detailně popsán vytvořený algoritmus. Samotná detekce je realizována programem implementovaným v jazyce Python ve dvou algoritmických podobách jejichž přesnost je hodnocena pomocí metrik přesnost (Accuracy) a F1 skóre. Dosažené výsledky jsou diskutovány, vzájemné porovnány a srovnány s výsledky publikací zabývajících se obdobnou problematikou.cs
dc.description.abstractAtrial fibrillation is an arrhythmia commonly detected from ECG using its specific characteristics. An early detection of this arrhythmia is a key to prevention of more serious conditions. Nowadays, atrial fibrillation detection is being implemented more often using deep learning. This work presents detection of atrial fibrillation from 12lead ECG using deep convolutional network. In the first section, there is a theoretical context of this work, then there is a description of proposed algorithm. Detection is implemented by a program in Python in two variations and their accuracy is rated by Accuracy and F1 measure. Results of the work are being discussed, mutually compared and compared to other similar publications.en
dc.description.markAcs
dc.identifier.citationBUDÍKOVÁ, B. Automatická detekce fibrilace síní pomocí metod hlubokého učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2020.cs
dc.identifier.other126829cs
dc.identifier.urihttp://hdl.handle.net/11012/189149
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.subjectFibrilace sínícs
dc.subjectautomatická detekcecs
dc.subjectEKGcs
dc.subjecthluboké učenícs
dc.subjectkonvoluční sítěcs
dc.subjectF1 skórecs
dc.subjectPythoncs
dc.subjectAtrial Fibrillationen
dc.subjectAutomated detectionen
dc.subjectECGen
dc.subjectDeep Learningen
dc.subjectConvolutional Networksen
dc.subjectF1 measureen
dc.subjectPythonen
dc.titleAutomatická detekce fibrilace síní pomocí metod hlubokého učenícs
dc.title.alternativeDeep Neural Network for Detection of Atrial Fibrillationen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2020-06-16cs
dcterms.modified2020-06-19-13:01:39cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid126829en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 14:22:54en
sync.item.modts2025.01.15 15:41:45en
thesis.disciplinebez specializacecs
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:
2.34 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
12.42 KB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_126829.html
Size:
6.49 KB
Format:
Hypertext Markup Language
Description:
file review_126829.html
Download
Collections
2020