Segmentace skrytých P vln pomocí metod hlubokého učení

Abstract

Cílem této diplomové práce je detekce P vlny v EKG záznamech. Úvod teoretické části se zabývá fyziologií srdce. V druhé části jsou vysvětleny základní principy hlubokého učení. V praktické části je v programovacím jazyce Python provedeno předzpracování EKG záznamů a naimplementována neuronová síť U-Net. Následně je provedena optimalizace architektury za účelem snížení komplexity modelu. V závěru práce je vyhodnocena úspěšnost sítě při segmentaci P vln.The aim of this thesis is segmentation of P waves in ECG signals. The theoretical part of the thesis describes the physiology of the heart and the basics of deep learning methods. Preprocessing of the signals is performed and neural network U-Net is implemented in the Python software environment in the practical part. Afterwards, optimization of network architecture is performed in order to reduce model complexity. Lastly the success rate of the model is evaluated.