Softwarová aplikace pro real time analýzu EKG signál využitím AI čipu
Software application for real time analysis of ECG signal on AI chip
Type of document
bakalářská prácebachelor thesis
Author
Jan Lubojacký
Supervisor
Kutílek Patrik
Opponent
Křivánek Václav
Study program
Lékařská elektronika a bioinformatikaInstitutions assigning rank
katedra teorie obvodůRights
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Show full item recordAbstract
Tato práce se zabývá návrhem a implementací aplikace pro mikrokontrolér pro detekci kognitivní zátěže na základě analýzy EKG signálu v reálném čase. Pro analýzu EKG signálu byly využity konvoluční neuronové sítě. Na základě experimentů byly vybrány dvě architektury neuronových sítí. Neuronové sítě byly navrženy v Pythonu, ale samotná aplikace pro mikrokontrolér STM32F303RE je vytvořená v programovacím jazyce C za pomoci nástrojů od STMicroelectronics. Aplikace obsahuje také metodu pro detekci R kmitů a výpočet několika parametrů z EKG signálu. Součástí práce je také aplikace na počítači, která přijímá a graficky zobrazuje výsledky z mikrokontroléru. Přesnost navrženého řešení je statisticky vyhodnocena a porovnána s existujícím výzkumem v této oblasti. This thesis proposes an application for real-time cognitive load detection from the ECG signal using convolutional neural networks and a microcontroller. Two network architectures are proposed and statistically evaluated. The neural networks were proposed in Python with TensorFlow, and the application was developed for the STM32F303RE microcontroller in C language with development tools from STMicroelectronics. The application also contains a method for detecting R-peaks and computing several parameters from the ECG signal. A PC application that receives and visualizes the results sent from the microcontroller was also developed. The proposed solution is evaluated and compared to existing research.
Collections
- Bakalářské práce - 13131 [124]