Analýza záznamů rSO2 neonatologických pacientů
Analysis of rSO2 records from neonatal patients
Typ dokumentu
diplomová prácemaster thesis
Autor
Kateřina Sauerová
Vedoucí práce
Kudrna Petr
Oponent práce
Bouček Tomáš
Studijní obor
Biomedicínský inženýrStudijní program
Biomedicínská a klinická technikaInstituce přidělující hodnost
katedra biomedicínské technikyPráva
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
Zobrazit celý záznamAbstrakt
Blízká infračervené spektroskopie je neinvazivní metoda pro dlouhodobé monitorování regionální oxygenace (rSO2), vhodná pro použití u neonatologických pacientů. Hodnoty rSO2 představují potenciální biomarker, který má slibné využití v oblasti detekce intraventrikulárního krvácení. Cílem této práce bylo analyzovat záznamy rSO2 neonatologických pacientů s výskytem IVH, klasifikovat je pomocí konvolučních neuronových sítí a zjistit, zda lze tyto záznamy využít k predikci vzniku IVH. Nejlepších výsledků klasifikace dosáhla architektura AlexNet, jež rozpoznala vstupní data s výskytem a bez výskytu IVH s přesností 80 %. Tento výsledek sítě by mohl klinické pracovníky upozornit na možnost výskytu IVH po prvních 72 hodinách života pacienta. Včasná diagnóza by mohla usnadnit péči o tyto pacienty a zlepšit jejich prognózu. Při predikci vzniku IVH dosáhla neuronová síť přesnosti 60 %. Near-infrared spectroscopy is a non-invasive method for long-term monitoring of regional oxygenation (rSO2), suitable for neonatological patients. Regional oxygenation represents a potential biomarker that has promising utility in intraventricular hemorrhage (IVH) detection. The aim of this study was to analyze the records of rSO2 neonatological patients with IVH, classify them using convolutional neural networks and to find out whether these records can be used to predict the occurrence of IVH. The best classification results were achieved by AlexNet, which recognized input data with and without IVH with an accuracy of 80 %. This network outcome could alert clinicians to the possibility of IVH after the first 72 hours of patient life. Early diagnosis could facilitate the care of these patients and improve their prognosis. The neural network reached an accuracy of 60% during the prediction of the IVH occurence.
Kolekce
- Diplomové práce - 17110 [1011]