Σχεδίαση, υλοποίηση και αξιολόγηση αυτόματων μεθόδων διαχωρισμού βιοσημάτων

Η παρούσα διπλωματική εργασία έχει ως αντικείμενο την εξέταση και την σύγκριση μεθόδων για την εξαγωγή συνιστωσών από γραμμικούς συνδυασμούς σημάτων, βασισμένο στο BSS μοντέλο, που αφορούν το δυναμικό που παράγει η καρδιά. Παρουσιάζονται και υλοποιούνται με χρήση της Python οι αλγόριθμοι FastICA μ...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Παπακώστας, Λάμπης
Άλλοι συγγραφείς: Δερματάς, Ευάγγελος
Μορφή: Thesis
Γλώσσα:Greek
Έκδοση: 2019
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/12179
id nemertes-10889-12179
record_format dspace
spelling nemertes-10889-121792022-09-05T14:03:08Z Σχεδίαση, υλοποίηση και αξιολόγηση αυτόματων μεθόδων διαχωρισμού βιοσημάτων Research, developement and evaluation of automated biosignals classification methods Παπακώστας, Λάμπης Δερματάς, Ευάγγελος Δερματάς, Ευάγγελος Μουρτζόπουλος, Ιωάννης Papakostas, Lampis Βιοσήματα Καρδιά FastICA πCA Biosignals 612.171 Η παρούσα διπλωματική εργασία έχει ως αντικείμενο την εξέταση και την σύγκριση μεθόδων για την εξαγωγή συνιστωσών από γραμμικούς συνδυασμούς σημάτων, βασισμένο στο BSS μοντέλο, που αφορούν το δυναμικό που παράγει η καρδιά. Παρουσιάζονται και υλοποιούνται με χρήση της Python οι αλγόριθμοι FastICA με κριτήριο την αρνητική εντροπία και πCA με κριτήριο την περιοδικότητα των επιμέρους σημάτων. Τέλος, οι παραπάνω αλγόριθμοι εφαρμόζονται και συγκρίνονται σε τεχνητά περιοδικά σήματα αλλά στις βάσεις δεδομένων abdfecgdb του Physionet και DaISy που περιέχουν ηλεκτροκαρδιογραφήματα από κυοφορούσες γυναίκες, χρησιμοποιώντας αντίστοιχα κριτήρια ως προς την εγγύτητα. The present diploma thesis examines and compares methods about extraction of components of linear mixed signals, based on BSS model, that refer to the voltage that heart produces. The algorithms that presented and implemented in Python are FastICA with negentropy criterion and πCA with periodity of each component as criterion. Finally, the above methods are applied in synthesized periodic signals as well as abdfecgd database from Physionet and DaISy database, and compared with the use of proper criteria for their correctness. 2019-05-24T17:28:29Z 2019-05-24T17:28:29Z 2019-03 Thesis http://hdl.handle.net/10889/12179 gr 0 application/pdf
institution UPatras
collection Nemertes
language Greek
topic Βιοσήματα
Καρδιά
FastICA
πCA
Biosignals
612.171
spellingShingle Βιοσήματα
Καρδιά
FastICA
πCA
Biosignals
612.171
Παπακώστας, Λάμπης
Σχεδίαση, υλοποίηση και αξιολόγηση αυτόματων μεθόδων διαχωρισμού βιοσημάτων
description Η παρούσα διπλωματική εργασία έχει ως αντικείμενο την εξέταση και την σύγκριση μεθόδων για την εξαγωγή συνιστωσών από γραμμικούς συνδυασμούς σημάτων, βασισμένο στο BSS μοντέλο, που αφορούν το δυναμικό που παράγει η καρδιά. Παρουσιάζονται και υλοποιούνται με χρήση της Python οι αλγόριθμοι FastICA με κριτήριο την αρνητική εντροπία και πCA με κριτήριο την περιοδικότητα των επιμέρους σημάτων. Τέλος, οι παραπάνω αλγόριθμοι εφαρμόζονται και συγκρίνονται σε τεχνητά περιοδικά σήματα αλλά στις βάσεις δεδομένων abdfecgdb του Physionet και DaISy που περιέχουν ηλεκτροκαρδιογραφήματα από κυοφορούσες γυναίκες, χρησιμοποιώντας αντίστοιχα κριτήρια ως προς την εγγύτητα.
author2 Δερματάς, Ευάγγελος
author_facet Δερματάς, Ευάγγελος
Παπακώστας, Λάμπης
format Thesis
author Παπακώστας, Λάμπης
author_sort Παπακώστας, Λάμπης
title Σχεδίαση, υλοποίηση και αξιολόγηση αυτόματων μεθόδων διαχωρισμού βιοσημάτων
title_short Σχεδίαση, υλοποίηση και αξιολόγηση αυτόματων μεθόδων διαχωρισμού βιοσημάτων
title_full Σχεδίαση, υλοποίηση και αξιολόγηση αυτόματων μεθόδων διαχωρισμού βιοσημάτων
title_fullStr Σχεδίαση, υλοποίηση και αξιολόγηση αυτόματων μεθόδων διαχωρισμού βιοσημάτων
title_full_unstemmed Σχεδίαση, υλοποίηση και αξιολόγηση αυτόματων μεθόδων διαχωρισμού βιοσημάτων
title_sort σχεδίαση, υλοποίηση και αξιολόγηση αυτόματων μεθόδων διαχωρισμού βιοσημάτων
publishDate 2019
url http://hdl.handle.net/10889/12179
work_keys_str_mv AT papakōstaslampēs schediasēylopoiēsēkaiaxiologēsēautomatōnmethodōndiachōrismoubiosēmatōn
AT papakōstaslampēs researchdevelopementandevaluationofautomatedbiosignalsclassificationmethods
_version_ 1771297242187038720