Warning message

Nemate dozvolu za prikaz ovog resursa!
prikaz prve stranice dokumenta Analiza biomedicinskih signala prikupljenih nosivim uređajima metodama strojnog učenja
Rad nije dostupan
diplomski rad
Analiza biomedicinskih signala prikupljenih nosivim uređajima metodama strojnog učenja
2023. urn:nbn:hr:168:052675
Podhraški, Silvio
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Citirajte ovaj rad

Podhraški, S. (2023). Analiza biomedicinskih signala prikupljenih nosivim uređajima metodama strojnog učenja (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:052675

Podhraški, Silvio. "Analiza biomedicinskih signala prikupljenih nosivim uređajima metodama strojnog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:052675

Podhraški, Silvio. "Analiza biomedicinskih signala prikupljenih nosivim uređajima metodama strojnog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:052675

Podhraški, S. (2023). 'Analiza biomedicinskih signala prikupljenih nosivim uređajima metodama strojnog učenja', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 18.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:052675

Podhraški S. Analiza biomedicinskih signala prikupljenih nosivim uređajima metodama strojnog učenja [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2023 [pristupljeno 18.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:052675

S. Podhraški, "Analiza biomedicinskih signala prikupljenih nosivim uređajima metodama strojnog učenja", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:052675

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:052675
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovAnaliza biomedicinskih signala prikupljenih nosivim uređajima metodama strojnog učenja
Naslov (engleski)Machine learning-based analysis of biomedical signals acquired by wearable devices
AutorSilvio Podhraški
MentorHrvoje Džapo (mentor)
Član povjerenstvaHrvoje Džapo (predsjednik povjerenstva)
Član povjerenstvaMario Cifrek (član povjerenstva)
Član povjerenstvaŽeljka Lučev Vasić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2023-02-21, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
U radu je opisan i implementiran proces korištenja metoda strojnog učenja prilikom analize biomedicinskih signala, s fokusom na fotopletizmografski signal (PPG). Navedeni proces obuhvaća predobradu biomedicinskih signala, ekstrakciju i odabir značajki signala, korištenje modela strojnog učenja te evaluaciju modela. Cilj rada je istražiti uspješnost klasifikacije ili grupiranja pojedinih epoha signala s obzirom na razinu šuma, za što se koriste metode strojnoga učenja. Predobrada biomedicinskih signala obuhvaća korištenje pojasnopropusnog Butterworth filtra za uklanjanje šuma, podjelu signala na prozore, te označavanje signala korištenjem klasifikatora baziranog na pravilima. Izlučuju se statističke i domenske značajke. Provodi se odabir značajki radi postizanja boljih rezultata klasifikacije i grupiranja. Za odabir značajki, tj. transformaciju značajki, korišten je mRMR algoritam i Lasso regularizacija, odnosno PCA. Korišteni su modeli nadziranog i nenadziranog strojnog učenja implementirani u scikit-learn biblioteci. Implementacija je izvedena u programskom jeziku Python. Provedena je usporedna analiza performansi različitih modela s obzirom na odabrane značajke. Uspoređuje se učinkovitost klasifikacije modela s obzirom na definirane mjere uspješnosti modela (F1 rezultat, AUC). Na kraju se zaključuje o primjenjivosti strojnog učenja kao jedne od mogućnosti analize biomedicinskih signala.
Sažetak (engleski)
This paper describes and implements the process of using machine learning techniques for biomedical signal analysis, with an emphasis on PPG signals. The process includes biomedical signal preprocessing, feature extraction and selection, using machine learning models and model evaluation. The goal is to explore whether the machine learning algorithms are successful in the classification and grouping of the signal regarding the presented noise in the signal. The preprocessing step includes using the band-pass Butterworth filter, windowing, and labeling using a rule-based classifier. Statistical and domain features are extracted. Feature selection (mRMR, Lasso regularization) and feature transformation (PCA) are also used to improve the classification results. Supervised and unsupervised learning models are used, which are implemented in the scikit-learn library. The Python programming language is used for implementation. Based on selected features, the performance analysis of multiple models is carried out. The paper analyzes model performance regarding various evaluation metrics (F1 score, AUC). In the end, the paper concludes the usability of machine learning for biomedical signal analysis.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:052675
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-07-13 10:28:53