Ločevanje skupin elektromiografskih posnetkov maternice s terminskim in prezgodnjim porodom z uporabo koherenčne funkcijeVerdenik, Marko (Avtor)
Jager, Franc (Mentor)
prezgodnji porodelektrohisterogramkoherenčna funkcijaločevanje skupinklasifikacijaklasifikatorračunalništvoračunalništvo in informatikaračunalništvo in matematikainterdisplinarni študijuniverzitetni študijdiplomske nalogeV diplomskem delu predstavimo avtomatično analizo elektromiograma maternice s koherenčno funkcijo, ki je ena izmed nelinearnih tehnik procesiranja signalov. Uporabili smo posnetke mednarodne referenčne baze TPEHG DB, ki vsebuje 300 posnetkov. Signale smo predprocesirali z devetimi različnimi Butterworthovimi pasovno-prepustnimi filtri in v izogib faznemu popačenju uporabili dvosmerno shemo filtriranja.
Ločevanje skupin je potekalo v dveh variantah, ločevanje med zgodaj snemanimi in ločevanje med pozno snemanimi posnetki. Izračunali smo koherenčno funkcijo med vsemi pari posnetkov za vsako od variant. Računali smo jo med močnostnima spektroma signalov. Za oceno koherence za celotno frekvenčno območje smo izbrali dve cenilki - mediano amplitude in integral.
Enosmerna analiza varianca ali ANOVA je pokazala, katere skupine posnetkov so primerne za ločevanje prezgodnjega in terminskega poroda. Frekvenčna območja in signale, katerih p-vrednosti so manjše od 0,05, smo uporabili za klasifikacijo posnetkov. Za klasifikacijo smo uporabili Bayesov klasifikator, odločitvena drevesa in klasifikator, ki smo ga empirično sestavili sami. Opazili smo, da se koherenca med terminskimi porodi med frekvenčnima območjema 1-2,5 Hz in 2,5-3,5 Hz znatno zmanjša, medtem ko se koherenca prezgodnjih porodov znatno ne spremeni. Ocenjevanje zmogljivosti klasifikacije je potekalo na tri načine - na učni množici, po principu učna-testna množica in s pristopom "izpusti enega". Najboljšo oceno klasifikacije smo dobili z uporabo odločitvenih dreves na učni množici, na frekvenčnem območju 0,3-2,5 Hz, kjer je bila občutljivost 95 %, specifičnost in natančnost pa 98 %. Malo slabše rezultate smo dobili z uporabo lastnega klasifikatorja. Občutljivost je bila med 58 % in 63 %, specifičnost pa med 61 % in 65 % za izbrane filtre in kanale. Klasifikacija z Baysovim klasifikatorjem pa ni pokazala vzpodbudnih rezulatov, z občutljivostjo blizu 0 %.[M. Verdenik]20152015-07-10 21:45:04Diplomsko delo70230UDK: 621.3:618.4(043.2)COBISS_ID: 1536277699sl