Segmentace skrytých P vln pomocí metod hlubokého učení

Simple item page
but.committeeprof. Ing. Valentýna Provazník, Ph.D. (předseda) Ing. Marina Filipenská, Ph.D. (místopředseda) Ing. Kateřina Šabatová (člen) Ing. Oto Janoušek, Ph.D. (člen) doc. Mgr. Zdenka Fohlerová, Ph.D. (člen)cs
but.defenceStudentka prezentovala výsledky své práce a komise byla seznámena s posudky. Ing. Janoušek položil dotaz na volbu konkrétní epochy učení. Ing. Ronzhina se zeptala na výsledky jednosvodové analýzy, hodnocení P a skrytých vln. Studentka obhájila diplomovou práci a odpověděla na otázky členů komise a oponenta.cs
but.jazykčeština (Czech)
but.programBiomedicínské inženýrství a bioinformatikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorHejč, Jakubcs
dc.contributor.authorBoudová, Markétacs
dc.contributor.refereeFilipenská, Marinacs
dc.date.created2021cs
dc.description.abstractCílem 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.cs
dc.description.abstractThe 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.en
dc.description.markBcs
dc.identifier.citationBOUDOVÁ, M. Segmentace skrytých P vln pomocí metod hlubokého učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.cs
dc.identifier.other134415cs
dc.identifier.urihttp://hdl.handle.net/11012/197109
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.subjectEKG signálcs
dc.subjectP vlnacs
dc.subjecthluboké učenícs
dc.subjectU-Netcs
dc.subjectECG signalen
dc.subjectP waveen
dc.subjectdeep learningen
dc.subjectU-Neten
dc.titleSegmentace skrytých P vln pomocí metod hlubokého učenícs
dc.title.alternativeSegmentation of Hidden P Waves Using Deep Learning Methodsen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2021-06-10cs
dcterms.modified2021-06-10-13:53:45cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid134415en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 14:28:45en
sync.item.modts2025.01.15 22:21:22en
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:
3.98 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
6.1 KB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_134415.html
Size:
8.5 KB
Format:
Hypertext Markup Language
Description:
file review_134415.html
Download
Collections
2021