Automatická klasifikace spánkových fází z polysomnografických dat

Simple item page
but.committeedoc. Ing. Radim Kolář, Ph.D. (předseda) doc. Ing. Jana Kolářová, Ph.D. (místopředseda) Ing. Denisa Maděránková, Ph.D. (člen) doc. Ing. Daniel Schwarz, Ph.D. (člen) MUDr. Michal Jurajda, Ph.D. (člen)cs
but.defenceStudentka prezentovala výsledky své práce a komise byla seznámena s posudky. Doc. Kolářová položila otázka Odkud pocházela použitá data? Byly signály nějak popsány? Doc Schwarz položil otázku Výběr testovacích a učebních dat? Proč jste nepoužila další dostupná data k testování? Proč jste testovala příznaky použitým testem? Doc Kolář položil otázku Kde bylo měřené EMG? Který signál byste vybrala ke spánkové studii, kdybyste mohla měřit jen jeden? 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.authorVávrová, Evacs
dc.contributor.refereePotočňák, Tomášcs
dc.date.accessioned2019-04-03T22:12:35Z
dc.date.available2019-04-03T22:12:35Z
dc.date.created2016cs
dc.description.abstractTato diplomová práce se zabývá analýzou polysomnografických záznamů, která je založená na výpočtu vybraných parametrů v časové, frekvenční a časově-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, která je zrealizována pomocí umělé neuronové sítě, k-NN klasifikátoru a lineární diskriminační analýzy. V rámci této práce byl vytvořen program s grafickým uživatelským rozhraním v prostředí MATLAB.cs
dc.description.abstractThe thesis is focused on analysis of polysomnographic signals based on extraction of chosen parameters in time, frequency and time-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. The classification is realized by artificial neural networks, k-NN classifier and linear discriminant analysis. The program with a graphical user interface was created using Matlab.en
dc.description.markAcs
dc.identifier.citationVÁVROVÁ, E. Automatická klasifikace spánkových fází z polysomnografických dat [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2016.cs
dc.identifier.other93565cs
dc.identifier.urihttp://hdl.handle.net/11012/63026
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.subjectautomatická klasifikacecs
dc.subjectumělá neuronová síťcs
dc.subjectk-NN klasifikátorcs
dc.subjectdiskriminační analýzacs
dc.subjectSleep stagesen
dc.subjectpolysomnographyen
dc.subjectPSG data analysisen
dc.subjectautomatic classificationen
dc.subjectartificial neural networken
dc.subjectk-Nearest Neighbours classifieren
dc.subjectdiscriminant analysisen
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.dateAccepted2016-08-30cs
dcterms.modified2016-08-31-11:34:04cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid93565en
sync.item.dbtypeZPen
sync.item.insts2021.11.12 19:11:22en
sync.item.modts2021.11.12 18:24:04en
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:
2.02 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
6.69 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_93565.html
Size:
4.84 KB
Format:
Hypertext Markup Language
Description:
review_93565.html
Download
Collections
2016