Rytmihäiriöiden havaitseminen sydänsähkökäyrästä neuroverkoilla
Authors
Date
2019Copyright
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Tässä kandidaatintutkielmassa perehdytään rytmihäiriöiden havaitsemiseen sydänsähkökäyrästä neuroverkkojen avulla. Tietokoneavusteisella sydänsähkökäyrän käsittelyllä voidaan tehostaa tulkintaprosessia ja saada objektiivisempia tuloksia erityisesti suuria datamassoja käsiteltäessä. Tutkimustulokset osoittavat, että etenkin syvät neuroverkot ja
näistä konvoluutioverkot soveltuvat hyvin sydänsähkökäyrän tulkintaan. This bachelor’s thesis studies detecting heart arrhythmia in the electrocardiogram making use of neural networks. By computer-aided processing of the electrocardiogram can its interpretation process be enhanced, and the following results are more objective especially when dealing with massive amounts of data. The research findings indicate that particularly deep neural networks and among these convolutional networks are well-suited for interpreting the electrocardiogram.
Keywords
Metadata
Show full item recordCollections
- Kandidaatintutkielmat [4049]
Related items
Showing items with similar title or keywords.
-
A method for anomaly detection in hyperspectral images, using deep convolutional autoencoders
Penttilä, Jeremias (2017)Menetelmä poikkeavuuksien havaitsemiseen hyperspektrikuvista käyttäen syviä konvolutiivisia autoenkoodereita. Poikkeavuuksien havaitseminen kuvista, erityisesti hyperspektraalisista kuvista, on hankalaa. Kun ongelmaan ... -
Sosiaalinen havainto : affektiivisuus, empatia ja tunnustaminen
Taipale, Joona (University of Turku, 2018) -
The scope and limits of implicit visual change detection
Lyyra, Pessi (University of Jyväskylä, 2014) -
Automatic Processing of Changes in Facial Emotions in Dysphoria : A Magnetoencephalography Study
Xu, Qianru; Ruohonen, Elisa; Ye, Chaoxiong; Li, Xueqiao; Kreegipuu, Kairi; Stefanics, Gabor; Luo, Wenbo; Astikainen, Piia (Frontiers Research Foundation, 2018)It is not known to what extent the automatic encoding and change detection of peripherally presented facial emotion is altered in dysphoria. The negative bias in automatic face processing in particular has rarely been ...