Automatická klasifikace spánkových fází z polysomnografických dat

Simple item page
but.committeedoc. Ing. Radim Kolář, Ph.D. (předseda) doc. Mgr. Ctirad Hofr, Ph.D. (místopředseda) doc. RNDr. Martin Kovár, Ph.D. (člen) Ing. Marina Ronzhina, Ph.D. (člen) Ing. Denisa Maděránková, Ph.D. (člen) Ing. Vratislav Čmiel, Ph.D. (člen)cs
but.defenceStudentka prezentovala výsledky své práce a komise byla seznámena s posudky. Doc. Kovár položil otázku: Invazivnost měřících metod. Doc. Kovár položil otázku: Co znamená ve vašem případě veličina entropie Doc. Hofr položil otázku: Jak dlouhá byla minimální délka spánku, která vykazovala všechny epochy spánku? Doc. Kolář položil otázku: Jakým způsobem jste počítala spektrum? Studentka obhájila bakalářskou práci a odpověděla na otázky členů komise a oponenta.cs
but.jazykčeština (Czech)
but.programBiomedicínské inženýrství a bioinformatikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorRonzhina, Marinacs
dc.contributor.authorKříženecká, Terezacs
dc.contributor.refereePotočňák, Tomášcs
dc.date.accessioned2019-05-17T04:12:33Z
dc.date.available2019-05-17T04:12:33Z
dc.date.created2017cs
dc.description.abstractTato diplomová práce se zabývá automatickou klasifikací polysomnografických záznamů, která je založená na analýze parametrů v časové a frekvenční oblasti. Parametry jsou počítány z 30s úseků EEG, EMG a EOG signálů snímaných v průběhu různých spánkových fází. Pomocí statistické analýzy jsou vybrány parametry, které jsou vhodné pro následnou automatickou klasifikaci spánkových fází. Klasifikace je poté provedena pomocí metody SVM a zhodnocení úspěšnosti klasifikace je provedeno pomocí senzitivity, specificity a procentuální úspěšnosti. Práce byla provedena v programovém prostředí MATLAB.cs
dc.description.abstractThe thesis is focused on automatic classification of polysomnographic signals based on various parameters in time and frequency domain. The parameters are acquired from 30 seconds long segments of EEG, EMG and EOG signals recorded during different sleep stages. The parameters used for automatic classification of sleep stages are selected according to statistical analysis. Classification is performed using the SVM method and evaluation of the success of the classification is done using sensitivity, specificity and percentage success. Classification method was implemented using Matlab.en
dc.description.markCcs
dc.identifier.citationKŘÍŽENECKÁ, T. Automatická klasifikace spánkových fází z polysomnografických dat [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2017.cs
dc.identifier.other102366cs
dc.identifier.urihttp://hdl.handle.net/11012/65488
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.subjectSpánkové fázecs
dc.subjectpolysomnografiecs
dc.subjectanalýza PSG datcs
dc.subjectstatistická analýzacs
dc.subjectautomatická klasifikacecs
dc.subjectSVMcs
dc.subjectsenzitivitacs
dc.subjectspecificitacs
dc.subjectSleep stagesen
dc.subjectpolysomnographyen
dc.subjectPSG data analysisen
dc.subjectstatistic analysisen
dc.subjectautomatic classificationen
dc.subjectSVMen
dc.subjectsensitivityen
dc.subjectspecificityen
dc.titleAutomatická klasifikace spánkových fází z polysomnografických datcs
dc.title.alternativeAutomatic sleep scoring using polysomnographic dataen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2017-06-06cs
dcterms.modified2017-06-08-15:30:23cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid102366en
sync.item.dbtypeZPen
sync.item.insts2021.11.12 14:13:05en
sync.item.modts2021.11.12 12:53:32en
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:
2.57 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
5.72 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_102366.html
Size:
4.28 KB
Format:
Hypertext Markup Language
Description:
review_102366.html
Download
Collections
2017