Segmentace skrytých P vln pomocí metod hlubokého učení

Loading...
Thumbnail Image
Date
ORCID
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Cílem 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.
The 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.
Description
Citation
BOUDOVÁ, M. Segmentace skrytých P vln pomocí metod hlubokého učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
bez specializace
Comittee
prof. Ing. Ivo Provazník, Ph.D. (předseda) Ing. Marina Ronzhina, Ph.D. (místopředseda) Ing. Kateřina Jurečková (člen) Ing. Oto Janoušek, Ph.D. (člen) Mgr. Zdenka Fohlerová, Ph.D. (člen)
Date of acceptance
2021-06-10
Defence
Studentka 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.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení
DOI
Collections
Citace PRO