Analýza spánkových EOG signálů
Analysis of Sleep EOG Signals
Type of document
bakalářská prácebachelor thesis
Author
Ulitina Svetlana
Supervisor
Gerla Václav
Opponent
Doležal Jaromír
Field of study
Informatika a počítačové vědyStudy program
Otevřená informatikaInstitutions assigning rank
katedra kybernetikyDefended
2019-02-04Rights
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
Závěrečná práce se zabývá analýzou celonočních spánkových EOG signálů a klasifikací segmentů signálů do dvou spánkových stavů: bdělost a REM. Práce zahrnuje popis provedené segmentace signálu a extrakce sady vhodných popisných příznaků pomocí vlnkové transformace. Dále je popsána selekce nejvýznamnějších příznaků pomocí algoritmu sekvenčního dopředného výběru příznaků. Následuje učení klasifikátoru k-NN na základě množiny nejvýznamnějších příznaků a porovnávají se výsledky klasifikace segmentů o různých délkách. Praktická část závěrečné práce je implementována v prostředí Matlab. Navržené metody jsou ověřeny na reálných EOG signálech. This bachelor thesis deals with an analysis of the whole-night EOG recordings and also with a classification of signals' segments of two sleep stages: wake and REM. The thesis includes a description of a performed signal segmentation and a feature set extraction using a wavelet transformation. Further, it describes a sequential forward selection algorithm to reduce the feature set. The previous step is followed by a k-NN classifier training and an evaluation of classification results of signals' segments with different length. The practical part of the bachelor thesis was implemented using a Matlab environment. Proposed methods were validated on real EOG signals.
Collections
- Bakalářské práce - 13133 [714]