Detekce obtížně diferencovatelných skupin srdečních arytmií

Simple item page
but.committeeprof. Ing. Valentýna Provazník, Ph.D. (předseda) Ing. Martin Vítek, Ph.D. (místopředseda) Ing. Jiří Chmelík, Ph.D. (člen) doc. Mgr. Ctirad Hofr, Ph.D. (člen) Ing. Helena Vítková, Ph.D. (člen) Ing. Jan Odstrčilík, Ph.D. (člen)cs
but.defenceStudent prezentoval výsledky své práce a komise byla seznámena s posudky. Ing. Jan Odstrčilík, Ph.D. položil otázku, jaká je úspěšnost klasifikace ve srovnání s jinými studiemi? Jaké je praktické využití práce? Ing. Jiří Chmelík, Ph.D. položil otázku, jak dlouho trvá trénování sítě a klasifikace jednoho signálu s využitím obou metod? Proč jste nepoužil rekurentní sítě? Student obhájil diplomovou práci s výhradami a odpověděl na otázky členů komise a oponenta.cs
but.jazykčeština (Czech)
but.programBiomedicínské inženýrství a bioinformatikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorNovotná, Petracs
dc.contributor.authorKantor, Marekcs
dc.contributor.refereeFilipenská, Marinacs
dc.date.created2022cs
dc.description.abstractTato práce se zabývá problematikou detekčních metod fibrilace síní, flutteru síní a sinusového rytmu ze záznamu EKG. Práce rovněž pojednává o těchto arytmiích a klasifikačních algoritmech vhodných pro tuto problematiku. V rámci této práce je vytvořeno několik přístupů klasifikace. Pro extrakci příznaků je využita konvoluční neuronová síť a klasifikace je realizovaná prostřednictvím umělé neuronové sítě. Vybrána metoda 1D CNN pro tyto těžko diferencovatelné srdeční arytmie dosahuje průměrné přesnosti klasifikace F1 - skóre = 91 %. Vybrána CNN optimalizovaná pomocí GA je rychlá mělká síť s lepší přesností než hluboká síť. Vytvořené modely jsou použity i pro klasifikaci jiných typů arytmií.cs
dc.description.abstractThis thesis focusses on the detection methods of atrial fibrilation, atrial flutter and sinus rhythm from ECG. Thesis also concentrate on the description of this arrhythmias and the learning algorithms used. In this thesis are implemented several classification approaches. For extraction of features is used convolution neural network and classification artifitial neural network. Selected 1D CNN method achived classification accuracy global F1 - score is 91 %. Moreover, the proposed CNN optimized with GA appears to be fast shallow network with better accuracy than the deep network. Created model are used for classification other type of arrhythmias too.en
dc.description.markCcs
dc.identifier.citationKANTOR, M. Detekce obtížně diferencovatelných skupin srdečních arytmií [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2022.cs
dc.identifier.other142093cs
dc.identifier.urihttp://hdl.handle.net/11012/204915
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.subjectelektrokardiogramcs
dc.subjectEKGcs
dc.subjectfibrilace sínícs
dc.subjectFIScs
dc.subjectflutter sínícs
dc.subjectFLUTcs
dc.subjectdetekce arytmiícs
dc.subjectkonvoluční neuronová síťcs
dc.subjectCNNcs
dc.subjectgenetický algoritmuscs
dc.subjectGAcs
dc.subjectelectrocardiogramen
dc.subjectECGen
dc.subjectatrial fibrilationen
dc.subjectAFIBen
dc.subjectatrial flutteren
dc.subjectarrhythmias detectionen
dc.subjectatrial arrhythmias convolutional neural networken
dc.subjectCNNen
dc.subjectgenetic algorithmen
dc.subjectGAen
dc.titleDetekce obtížně diferencovatelných skupin srdečních arytmiícs
dc.title.alternativeDetection of poorly differentiated cardiac arrhythmiasen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2022-06-08cs
dcterms.modified2022-06-10-08:48:23cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid142093en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 14:31:29en
sync.item.modts2025.01.15 12:49:17en
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:
7.84 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
599.78 KB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_142093.html
Size:
7.15 KB
Format:
Hypertext Markup Language
Description:
file review_142093.html
Download
Collections
2022