Identifikace spánkových poruch z dat aktigrafie a spánkových deníků

Abstract

Tato diplomová práce se zabývá predikcí Parkinsonovy choroby pomocí spánkových parametrů získaných z aktigrafie a spánkových deníků. Cílem je navrhnout model strojového učení, který bude schopen poznat pacienty trpící Parkinsonovou chorobou. K trénování byla použita datová množina dodaná Fakultní nemocnicí u sv. Anny, která byla za dosažením lepších výsledků různě upravována. Následně byly tyto úpravy podle výsledků modelů zhodnoceny a na jejich bázi byly vybrány dva modely, které dosahují testovací přesnosti 85 a 82%.

This master’s thesis deals with prediction of Parkinson's disease using sleep parameters from actigraphy and sleep diaries. The goal is to design a machine learning approach, which will be able to recognize pacients suffering from Parkinson's disease. For training dataset supplied by St. Anne's University Hospital Brno was used, which was variously modified for achieving best possible results. These adjustments were evaluated according to the results of the trained models and based on these results, two models (achieving test accuracies of 85 and 82%) were selected.