Automatická detekce ischemie v EKG

Simple item page
but.committeedoc. Ing. Radim Kolář, Ph.D. (předseda) doc. Ing. Jana Kolářová, Ph.D. (místopředseda) Ing. Denisa Maděránková, Ph.D. (člen) doc. Ing. Daniel Schwarz, Ph.D. (člen) MUDr. Michal Jurajda, Ph.D. (člen)cs
but.defenceStudent prezentoval výsledky své práce a komise byla seznámena s posudky. Dr. Malinský položil otázku: Řešil jste nějak prosakování ve spektru (tzn. dopředná filtrace). Jaký byl důvod k vyřazení některých experimentů? Dr. Jarkovský položil otázky: Proč jste používal párový t-test? Jak by šlo řešit to, abyste nemusel vyřadit některé záznamy? Student odpověděl 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.authorNoremberczyk, Adamcs
dc.contributor.refereePotočňák, Tomášcs
dc.date.created2016cs
dc.description.abstractTato práce se zabývá využitím umělých neuronových sítí (UNS), pro detekci ischemické choroby srdeční (ICHS) ve frekvenční oblasti. První část této práce je zaměřena na teoretické znalosti a popisuje problematiku patologických změn na EKG, převodu EKG do frekvenční oblasti. Popisuje použité statistické metody a metody pro automatickou detekci ICHS a IM. Vysvětluje problematiku perceptronu a UNS. Druhá část práce se zabývá Neural Network Toolboxem MATLAB®. Tato část je zaměřena na výpočet parametrů a výběr vhodných parametrů. Propojování pásem v oblasti. Na konci práce je použita UNS na detekci ischemických parametrů a výsledky jsou diskutovány. Průměrné hodnoty pro nejlepší nastavení vycházeli na 100 % celkové úspěšnosti.cs
dc.description.abstractThis thesis discusses the utilization of the artificial neural networks (ANN) for detection of coronary artery disease (CAD) in frequency area. The first part of this thesis is orientated towards the theoretical knowledge. Describes the issue of ECG pathological changes. ECQ are converted to frequency area. Described statistical methods and methods for automatic detection of CAD and MI. Explained the issue of the perceptron and ANN. The second deals with use of Neural Network Toolbox MATLAB®. This part focuses on counting and finding suitable parameters and making connection of band. At the end of the thesis UNS is used to detect ischemic parameters and the results are discussed. Average values for the best settings are 100% accuracy.en
dc.description.markBcs
dc.identifier.citationNOREMBERCZYK, A. Automatická detekce ischemie v EKG [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2016.cs
dc.identifier.other93549cs
dc.identifier.urihttp://hdl.handle.net/11012/59751
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.subjectUmělá neuronová síťcs
dc.subjectischemická choroba srdečnícs
dc.subjectISCHcs
dc.subjectinfarkt myokarducs
dc.subjectIMcs
dc.subjectEKGcs
dc.subjectelektrokardiogramcs
dc.subjectzměny na EKGcs
dc.subjectfrekvenční parametrycs
dc.subjectFFTcs
dc.subjectFourierova transformacecs
dc.subjectUNScs
dc.subjectgradientcs
dc.subjectmomentcs
dc.subjectmetoda zpětného šířenícs
dc.subjectNeural Network Toolboxcs
dc.subjectMatlabcs
dc.subjectdetektorcs
dc.subjectklasifikacecs
dc.subjectperceptroncs
dc.subjectpřenosová funkcecs
dc.subjectneuron.cs
dc.subjectArtificial neural networken
dc.subjectcoronary artery diseaseen
dc.subjectCADen
dc.subjectmyocardial infarctionen
dc.subjectMIen
dc.subjectECGen
dc.subjectelectrocardiogramen
dc.subjectECG changesen
dc.subjectfrequency parametersen
dc.subjectFFTen
dc.subjectFourier transformen
dc.subjectANNen
dc.subjectgradienten
dc.subjectmomenten
dc.subjectbackpropagation methoden
dc.subjectNeural Network Toolboxen
dc.subjectMatlaben
dc.subjectdetectoren
dc.subjectclassificationen
dc.subjectperceptronen
dc.subjecttransfer functionen
dc.subjectneuron.en
dc.titleAutomatická detekce ischemie v EKGcs
dc.title.alternativeAutomatic detection of ischemia in ECGen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2016-06-08cs
dcterms.modified2016-08-31-11:34:03cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid93549en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 13:23:01en
sync.item.modts2025.01.17 12:22:19en
thesis.disciplineBiomedicínské inženýrství a bioinformatikacs
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:
3.92 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
2.93 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_93549.html
Size:
4.68 KB
Format:
Hypertext Markup Language
Description:
file review_93549.html
Download
Collections
2016