Metody pro rozšíření zdrojových dat pro klasifikační úlohy z oblasti biomedicínského inženýrství

Abstract

Cílem této práce je zmapovat problematiku (ne)dostatku zdrojových dat pro klasifikační úlohy z oblasti biomedicínského inženýrství a seznámit se s metodami, kterých lze využít pro rozšíření zdrojových dat. Dále z těchto metod vybrat vhodné a implementovat je na reálná biomedicínská data. Konkrétní řešenou úlohou je rozšíření zdrojových dat pro účely klasifikačního rámce, který slouží k podpoře diagnostiky mozkové obrny u předčasněnarozených dětí. Rozšíření souboru dat je realizováno za účelem vytvoření dostatečně velkého trénovacího souboru dat pro následující bloky klasifikačního rámce. Pro tuto úlohu je řešena problematika minimální délky dat, která je postačující pro detekci CP, a jsou zde navrženy metody pro rozšíření trénovacího souboru dat, které jsou implementovány na reálná data.

The goal of this project is to map the problem of the lack of the training data that are intended for classification on the field of biomedical engineering. The next goal is to find out methods for training set expansion and from these methods extract these one that are applicable to solve the problem with the lack of the real biomedical data. The concrete work is to increase the training data set for a classification framework that was proposed to assist to diagnose the cerebral palsy. In this work is proposed the minimal data length criterion. Next, the training data set was enlarge by way of the proposed methods.