Použití neuronové sítě pro detekci sekundární bilaterální synchronie výbojů ve spánkovém EEG epileptických pacientů
Use of a Neural Network for Detecting Secondary Bilateral Synchrony Discharges in the Sleep EEG of Epileptic Patients
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Adéla Šatavová
Vedoucí práce
Ježdík Petr
Oponent práce
Ebel Matyáš
Studijní program
Lékařská elektronika a bioinformatikaInstituce přidělující hodnost
katedra teorie obvodůPráva
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
Tato bakalářská práce se zabývá automatickou detekcí interiktálních epileptiformních výbojů (IED) ve skalpovém EEG s důrazem na vý-boje vykazující znaky sekundární bilaterální synchronie (SBS). V první části práce byla provedena rešerše metod detekce IED pomocí neuronových sítí, se zaměřením na jejich vý-konnost oproti jiným algoritmům strojového učení, architektury a úskalí v praktickém na-sazení. Další částí rešerše byl obecný úvod do problematiky epilepsie, interiktálních epi-leptoformních výbojů, elektroencefalografie a fokální kortikální dysplázie (FCD). Následně byl využit předem natrénovaný klasifikátor založený na architektuře VGG16 pro detekci IED, jehož výstup byl dále analyzován po-mocí signálových kritérií (korelace v párových elektrodách, časového zpoždění a tvarové po-dobnosti) za účelem rozpoznání SBS výbojů. Byla provedena kvantitativní analýza těchto výbojů na skupině pacientů s fokální korti-kální dysplázií (FCD) typu I a II a pomocí sta-tistického testu byly porovnány míry výskytu SBS mezi oběma skupinami. This bachelors thesis focuses on the automatic detection of interictal epileptiform discharges (IEDs) in scalp EEG, with an emphasis on discharges exhibiting features of secondary bilateral synchrony (SBS). The first part of the thesis provides a review of IED detection methods using neural networks, focusing on their performance compared to other machine learning algorithms, architectural design, and challenges in practical deployment. Additionally, the theoretical background includes an introduction to epilepsy, interictal epileptiform discharges, electroencephalography (EEG), and focal cortical dysplasia (FCD). A pre-trained classifier based on the VGG16 architecture was used to detect IEDs. Its outputs were further analyzed using signal-based criteria (correlation in paired electrodes, latency, and waveform similarity) to identify discharges with SBS characteristics. A quantitative analysis of these discharges was performed on a cohort of patients with focal cortical dysplasia type I and II, and the occurrence of SBS was compared between the two groups using a statistical test.
Kolekce
- Bakalářské práce - 13131 [156]