Detekce vybraných aktivit diabetického pacienta 1. typu – Bc. David PIVOVAR
Bc. David PIVOVAR
Diplomová práce
Detekce vybraných aktivit diabetického pacienta 1. typu
Detecting selected activities of a type-1 diabetic patient
Anotace:
Tato diplomová práce se zabývá detekcí karbohydrátů a fyzické aktivity diabetického pacienta 1. typu. Cílem práce bylo zhodnotit existující metody detekce a implementovat vlastní řešení jako filtry do aplikace SmartCGMS. Pro detekci karbohydrátů byly navrženy a implementovány dvě metody. První využívá rekurentní neuronové sítě, druhá detekuje hrany průběhu intersticiální glukózy měřené senzorem kontinuální …víceAbstract:
This thesis deals with carbohydrate and physical activity detection of a type 1 diabetic patient. The aim of the thesis was to evaluate existing detection methods and implement detection as filters in the SmartCGMS application. Two methods were proposed and implemented for carbohydrate detection. The first method uses recurrent neural networks, while the second detects the edges of the interstitial …více
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 24. 6. 2021
Zveřejnit od: 31. 12. 2999
Obhajoba závěrečné práce
- Vedoucí: Doc. Ing. Tomáš Koutný, Ph.D.
Citační záznam
Jak správně citovat práci
PIVOVAR, David. Detekce vybraných aktivit diabetického pacienta 1. typu. Plzeň, 2021. diplomová práce (Ing.). ZÁPADOČESKÁ UNIVERZITA V PLZNI. Fakulta aplikovaných věd
Plný text práce
Právo: Autor si nepřeje zpřístupnění práce veřejnosti
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- Soubory jsou nedostupné.
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: ZÁPADOČESKÁ UNIVERZITA V PLZNI, Fakulta aplikovaných vědVázaný výtisk práce naleznete v Univerzitní knihovně ZČU, více na http://www.knihovna.zcu.cz/kvalifikacni-prace/
ZÁPADOČESKÁ UNIVERZITA V PLZNI
Fakulta aplikovaných vědMagisterský studijní program / obor:
Inženýrská informatika / Medicínská informatika
Práce na příbuzné téma
-
Modelování hudební transkripce pomocí hlubokého učení: návrh, konstrukce a validace modelu na principu rekurentní neuronové sítě
Daniel Kvak -
Rekurentní neuronové sítě pro analyzování sekvenčních dat
Valeriia Iegorova -
Rekurentní neuronové sítě pro rozpoznávání řeči
Tomáš Nováčik -
Rekurentní neuronové sítě pro klasifikaci textů
Vojtěch Myška -
Rekurentní neuronové sítě v počítačovém vidění
Jan Křepský -
Umělé neuronové sítě jako přístup k extrakci plodového elektrokardiogramu a detekci R-kmitů
Silvie Kovalová -
Automatické generování vtipů pomocí neuronové sítě
David Brož -
Rekurentní neuronové sítě v modelování chyb virtuálního serveru
Ondřej Šprync