Analýza polysomnografických dat
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Tato bakalářská práce se zabývá analýzou polysomnografických signálů, která je založena na analýze parametrů v časové a frekvenční oblasti. Parametry jsou počítány z 30s úseků EEG, EOG a EMG signálů snímaných v průběhu různých spánkových fází. Pomocí vizuální analýzy krabicových grafů, statistické analýzy a následného post-hoc testu jsou vybrány parametry, které jsou vhodné pro následnou detekci spánkových fází. Vybranými parametry v časové oblasti byly pro EOG signály: mobilita, koeficient šikmosti a špičatosti. Pro EEG signály se jednalo o tyto parametry: aktivita, 75. percentil, koeficient špičatosti a mobilita. U EMG signálu to byly 75. percentil a složitost. Z frekvenční oblasti se jednalo o relativní výkonové spektrum frekvenčních pásem alfa, delta a beta.
The bachelor´s thesis is focused on analysis of polysomnographic signals based on various parameters in time and frequency domain. The parameters are acquired from 30 seconds long segments of EEG, EOG and EMG signals recorded during different sleep stages. The parameters useful for automatic detection of sleep stages are selected according to both visual analysis of boxplots and statistical analysis via comparison tests. EOG parameters selected in the time domain were mobility, skewness and kurtosis. Among EEG parameters, aktivity, 75. percentile, kurtosis and mobility were selected. Among EMG parameters, 75. percentile and complexity were selected. Finally, the parameters selected in the frequency domain were relative power spectra in alpha, delta and beta bands.
The bachelor´s thesis is focused on analysis of polysomnographic signals based on various parameters in time and frequency domain. The parameters are acquired from 30 seconds long segments of EEG, EOG and EMG signals recorded during different sleep stages. The parameters useful for automatic detection of sleep stages are selected according to both visual analysis of boxplots and statistical analysis via comparison tests. EOG parameters selected in the time domain were mobility, skewness and kurtosis. Among EEG parameters, aktivity, 75. percentile, kurtosis and mobility were selected. Among EMG parameters, 75. percentile and complexity were selected. Finally, the parameters selected in the frequency domain were relative power spectra in alpha, delta and beta bands.
Description
Citation
JAGOŠOVÁ, P. Analýza polysomnografických dat [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2019.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Biomedicínská technika a bioinformatika
Comittee
doc. Ing. Radim Kolář, Ph.D. (předseda)
doc. Ing. Martin Rožánek, Ph.D. (místopředseda)
Ing. Marina Ronzhina, Ph.D. (člen)
Mgr. Ing. Karel Sedlář, Ph.D. (člen)
MUDr. Michal Jurajda, Ph.D. (člen)
doc. MUDr. Iva Slaninová, Ph.D. (člen)
Date of acceptance
2019-06-12
Defence
Studentka prezentovala výsledky své práce a komise byla seznámena s posudky. Mgr. Ing. Sedlář položil otázku: Kolik odlehlých hodnot je použito v boxplotech a jak byly stanoveny? MUDr. Jurajda položil otázku: Jak jste vyhodnocovala normalitu dat? Studentka obhájila bakalářskou 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