Pokročilé skórování spánkových dat

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 otázku na obr. 20: okomentujte vhodnost předzpracování dat. Prof. Provazník položil otázku na vymazávání epoch a statistické zhodnocení výsledků. Studentka obhájila diplomovou práci s výhradami a odpověděla na otázky členů komise a oponenta.cs
but.jazykčeština (Czech)
but.programBiomedicínské inženýrství a bioinformatikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorFilipenská, Marinacs
dc.contributor.authorJagošová, Petracs
dc.contributor.refereeNovotná, Petracs
dc.date.created2021cs
dc.description.abstractTato diplomová práce se zabývá pokročilým skórováním spánkových dat, které bylo provedeno pomocí hluboké neuronové sítě. Ke skórování jsou využívána data tepové frekvence a informace o pohybu naměřené pomocí chytrých hodinek Apple Watch. Po vhodném předzpracování sloužila tato data jako vstupní parametry do navržených sítí. Cílem LSTM sítě bylo provést klasifikaci dat buď do dvou skupin na spánek a bdění nebo do tří skupin na bdění, Non-REM a REM. Nejlepších výsledků dosáhla síť provádějící klasifikaci spánek vs. bdění s využitím akcelerometru. Statistické vyhodnocení této nejlepší sítě dosáhlo hodnoty senzitivity 71,06 %, specificity 57,05 %, celkové úspěšnosti (accuracy) 70,01 % a F1 skóre 81,42 %.cs
dc.description.abstractThe master´s thesis is focused on advanced scoring of sleep data, which was performed using deep neural network. Heart rate data and the movement information were used for scoring measured using an Apple Watch smartwatch. After appropriate pre-processing, this data serves as input parameters to the designed networks. The goal of the LSTM network was to classify data into either two groups for sleep and wake or into three groups for wake, Non-REM and REM. The best results were achieved by network doing classification of sleep vs. wake using the accelerometer. The statistical evaluation of this best-designed network reached the values of sensitivity 71,06 %, specificity 57,05 %, accuracy 70,01 % and F1 score 81,42 %.en
dc.description.markDcs
dc.identifier.citationJAGOŠOVÁ, P. Pokročilé skórování spánkových dat [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.cs
dc.identifier.other134427cs
dc.identifier.urihttp://hdl.handle.net/11012/197020
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.subjectPolysomnografiecs
dc.subjectklasifikacecs
dc.subjectchytré hodinkycs
dc.subjecttepová frekvencecs
dc.subjectakcelerometrcs
dc.subjectbděnícs
dc.subjectspánekcs
dc.subjectNREMcs
dc.subjectREMcs
dc.subjecthluboké učenícs
dc.subjectLSTMcs
dc.subjectPolysomnographyen
dc.subjectclassificationen
dc.subjectsmartwatchen
dc.subjectheart rateen
dc.subjectaccelerometeren
dc.subjectwakeen
dc.subjectsleepen
dc.subjectNREMen
dc.subjectREMen
dc.subjectdeep learningen
dc.subjectLSTMen
dc.titlePokročilé skórování spánkových datcs
dc.title.alternativeAdvanced scoring of sleep dataen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2021-06-09cs
dcterms.modified2021-06-10-13:53:45cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid134427en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 14:27:52en
sync.item.modts2025.01.17 10:14:57en
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:
3.07 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
1 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_134427.html
Size:
9.63 KB
Format:
Hypertext Markup Language
Description:
file review_134427.html
Download
Collections
2021