Класифікація стадій сну з використанням безконтактного біосенсора на основі нейронної мережі CNN-LSTM

Скорочена інформація про документ
dc.contributor.advisorФедорін, Ілля Валерійович
dc.contributor.authorІванова, Яна Олегівна
dc.date.accessioned2023-04-10T08:51:34Z
dc.date.available2023-04-10T08:51:34Z
dc.date.issued2021-12
dc.description.abstractМагістерська дисертація за темою «Класифікація стадій сну з використанням безконтактного біосенсора на основі нейронної мережі CNN-LSTM» виконана студентом кафедри біомедичної кібернетики Івановою Яною Олегівною зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині» та складається зі: вступу, 4 розділів («Огляд літературних джерел», «Методи автоматичної класифікації стадії сну», «Розробка алгоритмів класифікації стадій сну за допомогою нейронних мереж», «Огляд результатів тестування розроблених моделей»), розділу зі стартап проекту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 77 джерела та 2 додатки. Загальний обсяг роботи 107 сторінок. Актуальність теми. Одна безсонна ніч знижує стійкість імунітету до інфекційних захворювань і швидкість реакції на зовнішні імпульси. А постійний дефіцит і зниження якості сну підвищують ризик розвитку серцево-судинних і ендокринних захворювань. Полісомнографія є золотим стандартом моніторингу сну, але вимагає, щоб пацієнти спали в лікарняних умовах, з великою кількістю електродів, та знаходилися під контролем експертного клінічного персоналу. Всі ці фактори роблять даний метод не дуже зручним, дорогим та недієздатним для щоденного моніторингу. Крім того, так званий ефект першої ночі при ПСГ може зменшити тривалість та ефективність сну. Таким чином, існує потреба в інструментах для тривалого моніторингу сну як здорових людей, з метою профілактики та дотримання гігієни сну, так і людей з порушеннями сну, для діагностики, відстеження динаміки захворювання і корекції терапії. У зв'язку з цим, розробка засобів для тривалого автоматичного визначення структури сну є актуальним завданням. Мета дослідження. Розробка та реалізація нейронної мережі для класифікації стадій сну з використанням безконтактного біосенсора. Об’єкт дослідження. Класифікація стадій сну. Предмет дослідження. Використання нейронної мережі для класифікації стадій сну. Методи дослідження. Методи машинного навчання для вирішення задач класифікації.uk
dc.description.abstractotherMaster's dissertation "Sleep stages classification using non-contact biosensor based on CNN-LSTM neural network" is performed by a student Yana Ivanova of the Department of Biomedical Cybernetics in the specialty 122 "Computer Science" in the educational program "Information Technologies in Biology and Medicine" and consists of: introduction, 4 sections ("Review of literature sources", "Methods of automatic sleep stages classification", "Development of algorithms for the sleep stages classification using neural networks", "Test results of developed models"), a startup project, conclusions; a list of sources, which includes 76 sources. The total volume of the work is 107 pages. Theme urgency. One sleepless night reduces the resistance of the immune system to infectious diseases and the speed of reaction to external impulses. And the constant deficit and decline in sleep quality increase the risk of cardiovascular and endocrine diseases. Polysomnography is the gold standard for sleep monitoring but requires patients to sleep in a hospital, with a large number of electrodes, and to be supervised by expert clinical staff. All these factors make this method not very convenient, expensive, and incapable of daily monitoring. In addition, the so-called first night effect of UGS may reduce the duration and effectiveness of sleep. Thus, there is a need for tools for long-term sleep monitoring of both healthy people, in order to prevent and maintain sleep hygiene, and people with sleep disorders, to diagnose, monitor the dynamics of the disease, and correct therapy. In this regard, the development of tools for long-term automatic determination of the structure of sleep is an urgent task. The aim of the study. Development and implementation of a neural network for the classification of sleep stages using a contactless biosensor. The object of study. Classification of sleep stages. The subject of study. Using the neural network to classify the stages of sleep. Research methods. Methods of machine learning to solve classification problems.uk
dc.format.extent107 с.uk
dc.identifier.citationІванова, Я. О. Класифікація стадій сну з використанням безконтактного біосенсора на основі нейронної мережі CNN-LSTM : магістерська дис. : 122 Комп’ютері науки / Іванова Яна Олегівна. – Київ, 2021. – 107 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/54414
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectнейронна мережаuk
dc.subjectCNNuk
dc.subjectLSTMuk
dc.subjectполісомнографіяuk
dc.subjectмоніторинг снуuk
dc.subjectбіорадарuk
dc.subjectстадії снуuk
dc.subject.udc616-71uk
dc.titleКласифікація стадій сну з використанням безконтактного біосенсора на основі нейронної мережі CNN-LSTMuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Ivanova_magistr.pdf
Розмір:
1.78 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (БМК)
Магістерські роботи