{"id":{"repo_id":"brno-tech","oai_identifier":"oai:dspace.vut.cz:11012/197015"},"canonical_url":"https://search.dev.ndltd.org/etd/brno-tech/oai:dspace.vut.cz:11012/197015","repository":{"repo_id":"brno-tech","name":"Brno University of Technology","base_url":"https://dspace.vut.cz/oai/request"},"display":{"title":"Detekce komorových extrasystol v EKG","abstract":"Práce se zabývá problematikou automatické detekce komorových extrasystol v EKG záznamech. V jazyce Python byla implementována metoda detekce využívající konvoluční neuronové sítě a LSTM jednotek. Pro detekci byly využity srdeční cykly extrahované z jednoho svodu EKG. Při klasifikaci do dvou tříd (KES a normální rytmus) dosáhlo F1 skóre na testovací množině 96,41 %, u klasifikace do tří tříd (KES, normální rytmus a ostatní arytmie) 81,76 %. V závěru práce je úspěšnost klasifikace zhodnocena a diskutována, dosažené výsledky pro klasifikaci do dvou tříd jsou srovnatelné s výsledky metod z jiných studií.","abstract_html":"Práce se zabývá problematikou automatické detekce komorových extrasystol v EKG záznamech. V jazyce Python byla implementována metoda detekce využívající konvoluční neuronové sítě a LSTM jednotek. Pro detekci byly využity srdeční cykly extrahované z jednoho svodu EKG. Při klasifikaci do dvou tříd (KES a normální rytmus) dosáhlo F1 skóre na testovací množině 96,41 %, u klasifikace do tří tříd (KES, normální rytmus a ostatní arytmie) 81,76 %. V závěru práce je úspěšnost klasifikace zhodnocena a diskutována, dosažené výsledky pro klasifikaci do dvou tříd jsou srovnatelné s výsledky metod z jiných studií.","abstract_has_math":false,"creators":["Imramovská, Klára"],"institution":"Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií","degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":["Filipenská, Marina"],"committee_chairs":[],"committee_members":[],"year":null,"date_issued":"","date_published":null,"updated_at":"2026-07-24T01:22:16Z","subjects":["komorová extrasystola","elektrokardiogram","klasifikace","konvoluční neuronová síť","LSTM jednotka","premature ventricular contraction","electrocardiogram","classification","convolutional neural network","LSTM unit"],"languages":["cs"],"rights":["Standardní licenční smlouva - přístup k plnému textu bez omezení"],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier.other","label":"Dc Identifier Other","values":["134417"],"render_values":[{"text":"134417","href":null,"code":true}]}]},"links":{"outbound_url":"http://hdl.handle.net/11012/197015","outbound_label":"Handle","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["Filipenská, Marina"]},{"key":"dc:creator","label":"Author","values":["Imramovská, Klára"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:publisher","label":"Institution","values":["Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií"]},{"key":"dc:type","label":"Dc Type","values":["Text"]},{"key":"thesis:institution_name","label":"Thesis Institution Name","values":["Ing."]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["komorová extrasystola","elektrokardiogram","klasifikace","konvoluční neuronová síť","LSTM jednotka","premature ventricular contraction","electrocardiogram","classification","convolutional neural network","LSTM unit"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language.iso","label":"Language (ISO)","values":["cs"]},{"key":"dc:rights","label":"Dc Rights","values":["Standardní licenční smlouva - přístup k plnému textu bez omezení"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.other","label":"Dc Identifier Other","values":["134417"]},{"key":"dc:identifier.uri","label":"Identifier URI","values":["http://hdl.handle.net/11012/197015"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["Práce se zabývá problematikou automatické detekce komorových extrasystol v EKG záznamech. V jazyce Python byla implementována metoda detekce využívající konvoluční neuronové sítě a LSTM jednotek. Pro detekci byly využity srdeční cykly extrahované z jednoho svodu EKG. Při klasifikaci do dvou tříd (KES a normální rytmus) dosáhlo F1 skóre na testovací množině 96,41 %, u klasifikace do tří tříd (KES, normální rytmus a ostatní arytmie) 81,76 %. V závěru práce je úspěšnost klasifikace zhodnocena a diskutována, dosažené výsledky pro klasifikaci do dvou tříd jsou srovnatelné s výsledky metod z jiných studií.","The thesis deals with problems of automatic detection of premature ventricular contractions in ECG records. One detection method which uses a convolutional neural network and LSTM units is implemented in the Python language. Cardiac cycles extracted from one-lead ECG were used for detection. F1 score for binary classification (PVC and normal beat) on the test dataset reached 96,41 % and 81,76 % for three-class classification (PVC, normal beat and other arrhythmias). Lastly, the accuracy of the classification is evaluated and discussed, the achieved results for binary classification are comparable to the results of methods described in different papers."]},{"key":"dc:title","label":"Title","values":["Detekce komorových extrasystol v EKG"]}]}],"canonical_facts":{"dc:contributor.advisor":["Filipenská, Marina"],"dc:creator":["Imramovská, Klára"],"dc:description.abstract":["Práce se zabývá problematikou automatické detekce komorových extrasystol v EKG záznamech. V jazyce Python byla implementována metoda detekce využívající konvoluční neuronové sítě a LSTM jednotek. Pro detekci byly využity srdeční cykly extrahované z jednoho svodu EKG. Při klasifikaci do dvou tříd (KES a normální rytmus) dosáhlo F1 skóre na testovací množině 96,41 %, u klasifikace do tří tříd (KES, normální rytmus a ostatní arytmie) 81,76 %. V závěru práce je úspěšnost klasifikace zhodnocena a diskutována, dosažené výsledky pro klasifikaci do dvou tříd jsou srovnatelné s výsledky metod z jiných studií.","The thesis deals with problems of automatic detection of premature ventricular contractions in ECG records. One detection method which uses a convolutional neural network and LSTM units is implemented in the Python language. Cardiac cycles extracted from one-lead ECG were used for detection. F1 score for binary classification (PVC and normal beat) on the test dataset reached 96,41 % and 81,76 % for three-class classification (PVC, normal beat and other arrhythmias). Lastly, the accuracy of the classification is evaluated and discussed, the achieved results for binary classification are comparable to the results of methods described in different papers."],"dc:identifier.other":["134417"],"dc:identifier.uri":["http://hdl.handle.net/11012/197015"],"dc:language.iso":["cs"],"dc:publisher":["Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií"],"dc:rights":["Standardní licenční smlouva - přístup k plnému textu bez omezení"],"dc:subject":["komorová extrasystola","elektrokardiogram","klasifikace","konvoluční neuronová síť","LSTM jednotka","premature ventricular contraction","electrocardiogram","classification","convolutional neural network","LSTM unit"],"dc:title":["Detekce komorových extrasystol v EKG"],"dc:type":["Text"],"thesis:institution_name":["Ing."]},"updated_at":"2026-07-24T01:22:16Z"}