Show simple item record

Analysis of AVG signals

dc.contributor.advisorRozman, Jiřícs
dc.contributor.authorMusil, Václavcs
dc.date.accessioned2019-04-03T22:11:56Z
dc.date.available2019-04-03T22:11:56Z
dc.date.created2008cs
dc.identifier.citationMUSIL, V. Analýza AVG signálů [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2008.cs
dc.identifier.other11813cs
dc.identifier.urihttp://hdl.handle.net/11012/7943
dc.description.abstractPředkládaná diplomová práce se zabývá vybranými metodami analýzy AVG signálů. Cílem této práce je klasifikace těchto signálů a tím přispění k možnostem neinvazivní diagnostiky ischemické choroby dolních končetin. K tomu je využito klasifikace založené na principech vícerozměrné statistické analýzy a na postupech využívajících neuronové sítě. Ke zpracování je použita angiograficky ověřená databáze dat AVG signálů. V závislosti na stupni stenózy, určené digitální subtrakční angiografií, jsou pacienti v tomto souboru roztříděni do tří separovatelných tříd. Na programové klasifikaci do jedné ze tří tříd se podílí 6 parametrů určených z AVG signálů, které byly pořízeny na třech místech měření dolní končetiny. Jako komplexní se jeví přístup k hodnocení choroby ze signálů naměřených na celé dolní končetině. Senzitivita metody shlukové analýzy vzhledem k angiografii se pohybuje v rozmezí 82,75 % až 90,90 %, specificita pak mezi 80,66 % a 88,88 %. Při klasifikaci neuronovými sítěmi jsou hodnoty senzitivity v rozmezí 79,06 % až 96,87 % a hodnoty specificity mezi 73,07 % a 91,30 %.cs
dc.description.abstractThe presented thesis discusses the basic analysis methods of arteriovelocitograms. The core of this work rests in classification of signals and contribution to possibilities of noninvasive diagnostic methods for evaluation patients with peripheral ischemic occlusive arterial disease. The classification employs multivariate statistical methods and principles of neural networks. The data processing works with an angiographic verified set of arteriovelocitogram dates. The digital subtraction angiography classified them into 3 separable classes in dependence on degree of vascular stenosis. Classification AVG signals are represented in the program by the 6 parameters that are measured on 3 different places on each patient’s leg. Evaluation of disease appeared to be a comprehensive approach at signals acquired from whole patient’s leg. The sensitivity of clustering method compared with angiography is between 82.75 % and 90.90 %, specificity between 80.66 % and 88.88 %. Using neural networks sensitivity is in range of 79.06 % and 96.87 %, specificity is in range of 73.07 % and 91.30 %.en
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.subjectArteriovelocitogramcs
dc.subjectAVGcs
dc.subjectDopplerův jevcs
dc.subjecthlavní komponentycs
dc.subjectischemická choroba dolních končetincs
dc.subjectneuronové sítěcs
dc.subjectshluková analýzacs
dc.subjectumělý neuroncs
dc.subjectvícerozměrné statistické metody.cs
dc.subjectArteriovelocitogramen
dc.subjectAVGen
dc.subjectArtificial Neuronen
dc.subjectArtificial Neural Networksen
dc.subjectCluster Analysisen
dc.subjectDoppler effecten
dc.subjectMultivariate Statistical Methodsen
dc.subjectPeripheral Ischemic Occlusive Arterial Diseaseen
dc.subjectPrincipals Components.en
dc.titleAnalýza AVG signálůcs
dc.title.alternativeAnalysis of AVG signalsen
dc.typeTextcs
dcterms.dateAccepted2008-06-09cs
dcterms.modified2008-10-07-09:33:01cs
thesis.disciplineBiomedicínské a ekologické inženýrstvícs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav biomedicínského inženýrstvícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
sync.item.dbid11813en
sync.item.dbtypeZPen
sync.item.insts2020.03.31 05:17:04en
sync.item.modts2020.03.31 01:37:46en
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
dc.contributor.refereeSekora, Jiřícs
dc.description.markBcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
but.committeedoc. Ing. Jiří Rozman, CSc. (předseda) prof. Ing. Jiří Jan, CSc. (místopředseda) doc. Ing. Jiří Kozumplík, CSc. (člen) Ing. Vlastimil Václavík (člen) Ing. Robert Vích, DrSc. (člen) Ing. Ota Gotfrýd, CSc. (člen) doc. Ing. Daniel Schwarz, Ph.D. (člen) prof. MUDr. Jindřich Vomela, CSc. (člen)cs
but.defenceReferát diplomanta: Diplomant referoval o své diplomové práci cca.10min. Prezentaci měl připravenou přehledně a jeho přednes byl velmi zajímavý. Čtení posudků: Vedoucí diplomové práce navrhuje ve svém posudku známku A/99b. Oponent navrhuje A/98b. Oponent práce nemá žádné otázky. Rozprava: Otázka prof. Jan " Hodnocení naučení sítě a pojem "energie sítě", co to znamená?" : Student odpověděl se zaváháním. Otázka prof. Jan " Co jste porovnával v průběhu učení? Jak jste prováděl test určení chyby?" : Student odpověděl se zaváháním. Otázka Ing. Vích " Veličiny specificita a senzitivita, co znamenají?" : Student odpověděl s porozumněním. Otázka Ing. Schwarz " Test normality" : Student odpověděl s porozumněním.cs
but.resultpráce byla úspěšně obhájenacs
but.programElektrotechnika, elektronika, komunikační a řídicí technikacs
but.jazykčeština (Czech)


Files in this item

Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record