Automatická detekce spánkových vřetének

Rychlík, Jan

Automatická detekce spánkových vřetének

dc.contributor.advisor	Mouček Roman, Doc. Ing. Ph.D.
dc.contributor.author	Rychlík, Jan
dc.contributor.referee	Pražák Ondřej, Ing.
dc.date.accepted	2022-6-20
dc.date.accessioned	2022-07-25T22:31:15Z
dc.date.available	2021-9-10
dc.date.available	2022-07-25T22:31:15Z
dc.date.issued	2022
dc.date.submitted	2022-5-19
dc.description.abstract	Spánek je nedílnou součástí lidského života a průměrný člověk prospí asi jeho jednu třetinu. Proto je důležité spánku rozumět a správně ho analyzovat. Cílem diplomové práce je navrhnout, implementovat a otestovat různé typy metod strojového učení vhodné pro zpracování EEG signálu a identifikaci spánkových vřetének. Učící se algoritmy byly natrénovány na anotovaných datech, poskytnutých datovým centrem Montreal Archive of Sleep Studies (MASS). Nejlepšího výsledku klasifikace dosáhla konvoluční neuronová síť s přesností přes 67%.	cs
dc.description.abstract-translated	Sleep is an integral part of human life, and the average person sleeps about one-third of their life. Therefore, it is important to understand sleep and analyze it correctly. The goal of this master thesis is to propose, design, implement, and test various machine/deep learning methods suitable for EEG signal processing to identify sleep spindles. The learning algorithms were trained on well-annotated data provided by the Montreal Archive of Sleep Studies (MASS) data center. The best classification result was achieved by the convolutional neuron network with an accuracy of over 67%.	en
dc.description.result	Obhájeno
dc.format	70s . (98 794 znaků)
dc.identifier	89635
dc.identifier.uri	http://hdl.handle.net/11025/49366
dc.language.iso	en
dc.publisher	Západočeská univerzita v Plzni
dc.rights	Plný text práce je přístupný bez omezení
dc.subject	eeg data	cs
dc.subject	eeg signál	cs
dc.subject	neuronové sítě	cs
dc.subject	lstm	cs
dc.subject	cnn	cs
dc.subject	dense	cs
dc.subject	spánková data	cs
dc.subject	spánková vřetena	cs
dc.subject.translated	eeg data	en
dc.subject.translated	eeg signal	en
dc.subject.translated	neural networks	en
dc.subject.translated	lstm	en
dc.subject.translated	cnn	en
dc.subject.translated	dense	en
dc.subject.translated	sleep data	en
dc.subject.translated	sleep spindles	en
dc.thesis.degree-grantor	Západočeská univerzita v Plzni. Fakulta aplikovaných věd
dc.thesis.degree-level	Navazující
dc.thesis.degree-name	Ing.
dc.thesis.degree-program	Inženýrská informatika
dc.title	Automatická detekce spánkových vřetének	cs
dc.title.alternative	Automatic detection of sleep spindles	en
dc.type	diplomová práce
local.relation.IS	https://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=89635