Hodnocení kvality spánku
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Tato bakalářská práce se zabývá automatickým hodnocením kvality spánku pomocí neuronových sítí. Pro hodnocení jsou využívána data o pohybu a tepové frekvenci naměřená pomocí chytrých hodinek Apple Watch. Z těchto dat byly vypočteny statistické veličiny, které byly následně využity jako vstup do navržených neuronových sítí. Jejich cílem bylo automaticky rozpoznat spánek a bdění. V tomto případě byla sensitivita 89 % a specificita 70 %, což jsou srovnatelné hodnoty s jinými studiemi. Dále byla data rozdělena také do kategorií W (bdění), NON REM a REM. Z výstupu vytvořených neuronových sítí byly odvozeny parametry hodnotící kvalitu spánku, jako například TST, % REM nebo sleep latency.
The topic of this bachelor thesis is an automatic sleep quality assessment using artificial neural network. To assess the quality of sleep were used the movement and heart rate data measured by Apple Watch smartwatch. From these data, statistical variables were calculated. Then were they used as an input to the neural networks. The goal was to automatically identify sleep and wakefulness. In this case, the sensitivity was 89 % and the specificity was 70 %. These values are comparable with other studies. Furthermore, the data were also divided into categories W (wakefulness), NON REM and REM. Parameters evaluating sleep quality, such as TST, % REM or sleep latency, were derived from the output of the neural networks created.
The topic of this bachelor thesis is an automatic sleep quality assessment using artificial neural network. To assess the quality of sleep were used the movement and heart rate data measured by Apple Watch smartwatch. From these data, statistical variables were calculated. Then were they used as an input to the neural networks. The goal was to automatically identify sleep and wakefulness. In this case, the sensitivity was 89 % and the specificity was 70 %. These values are comparable with other studies. Furthermore, the data were also divided into categories W (wakefulness), NON REM and REM. Parameters evaluating sleep quality, such as TST, % REM or sleep latency, were derived from the output of the neural networks created.
Description
Citation
BENÁČEK, P. Hodnocení kvality spánku [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2020.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Biomedicínská technika a bioinformatika
Comittee
doc. Ing. Jana Kolářová, Ph.D. (předseda)
doc. Ing. Martin Augustynek, Ph.D. (místopředseda)
Ing. Helena Škutková, Ph.D. (člen)
Ing. Jakub Hejč (člen)
Mgr. Daniel Vlk, CSc. (člen)
MUDr. Tibor Stračina, Ph.D. (člen)
Date of acceptance
2020-06-23
Defence
Student prezentoval výsledky své práce a komise byla seznámena s posudky.
Doc. Kolářová položila otázku na osobní využitelnost dosažených poznatků.
MUDr. Stračina položil otázku na okolnosti pořizování dat v rámci databáze, jak měří data Apple na AppleWatch? Jka by monitorování teploty těla pomohlo při monitoraci?
Ing. Škutková položila otázku na srovnání s daty z jiné databáze.
Student obhájil bakalářskou práci a odpověděl na otázky členů komise a oponenta.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení