Year: 2023
Type: dissertation
Abstract: Tato diplomová práce předkládá důkladné informace o tématu fotopletysmografie a hodnocení kvality signálu. Na základě rešerše byly implementovány tři různé přístupy k hodnocení kvality PPG signálu, aby bylo možné vybrat nejlepší oblast pro vývoj nového klasifikátoru: přístup založený na extrakci parametrů hodnotící kvalitu signálu na základě koeficientu šikmosti a maximální autokorelaci (přesnost 71 %), klasifikátor náhodný les přiřazující třídy kvality podle sedmi různých příznaků (přesnost 81 %) a 1D hluboká konvoluční neuronová síť (přesnost 80 %). Vybranou oblastí pro vlastní řešení bylo hluboké učení -- byla vytvořena hluboká LSTM síť, která dosahovala přesnosti 93 % při klasifikaci PPG signálů, čímž překonala předchozí implementované metody. V práci bylo navíc zjištěno, že autoenkódery nejsou vhodným klasifikátorem kvality PPG signálů.
Author: Sikorová, Pavlína
Language: English
Subfield: Biomedical Engineering
Field: Engineering
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7164259797
