Automatic detection of sleep spindles

Bc. Jan RYCHLÍK

Diplomová práce

Abstract:

Sleep is an integral part of human life, and the average person sleeps about one-third of their life. Therefore, it is important to understand sleep and analyze it correctly. The goal of this master thesis is to propose, design, implement, and test various machine/deep learning methods suitable for EEG signal processing to identify sleep spindles. The learning algorithms were trained on well-annotated data provided by the Montreal Archive of Sleep Studies (MASS) data center. The best classification result was achieved by the convolutional neuron network with an accuracy of over 67%.

Abstract:

Spánek je nedílnou součástí lidského života a průměrný člověk prospí asi jeho jednu třetinu. Proto je důležité spánku rozumět a správně ho analyzovat. Cílem diplomové práce je navrhnout, implementovat a otestovat různé typy metod strojového učení vhodné pro zpracování EEG signálu a identifikaci spánkových vřetének. Učící se algoritmy byly natrénovány na anotovaných datech, poskytnutých datovým centrem Montreal Archive of Sleep Studies (MASS). Nejlepšího výsledku klasifikace dosáhla konvoluční neuronová síť s přesností přes 67%.

Keywords

EEG data, EEG signál, neuronové sítě, LSTM, CNN, dense, spánková data, spánková vřetena

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 19. 5. 2022

Zveřejnit od: 31. 12. 2999

Obhajoba závěrečné práce

• Vedoucí: Doc. Ing. Roman Mouček, Ph.D.

ZÁPADOČESKÁ UNIVERZITA V PLZNI

Fakulta aplikovaných věd

Magisterský studijní program / obor:
Inženýrská informatika / Medicínská informatika