Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorKoutný Tomáš, Doc. Ing. Ph.D.
dc.contributor.authorPivovar, David
dc.contributor.refereeÚbl Martin, Ing.
dc.date.accepted2021-9-7
dc.date.accessioned2021-09-13T22:16:22Z-
dc.date.available2020-9-11
dc.date.available2021-09-13T22:16:22Z-
dc.date.issued2021
dc.date.submitted2021-6-24
dc.identifier86118
dc.identifier.urihttp://hdl.handle.net/11025/45195
dc.description.abstractTato 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 monitorace glukózy. Detekce fyzické aktivity je na základě hodnot srdečního tepu a pohybových dat.cs
dc.format83 s.cs
dc.language.isocscs
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezení.cs
dc.subjectdiabetescs
dc.subjectdiabetes 1. typucs
dc.subjectdetekcecs
dc.subjectdetekční metodycs
dc.subjectkarbohydrátycs
dc.subjectfyzická aktivitacs
dc.subjectrekurentní neuronové sítěcs
dc.titleDetekce vybraných aktivit diabetického pacienta 1. typucs
dc.title.alternativeDetecting selected activities of a type-1 diabetic patienten
dc.typediplomová prácecs
dc.thesis.degree-nameIng.cs
dc.thesis.degree-levelNavazujícícs
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných vědcs
dc.thesis.degree-programInženýrská informatikacs
dc.description.resultObhájenocs
dc.rights.accessopenAccessen
dc.description.abstract-translatedThis 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 glucose waveform measured by a continuous glucose monitoring sensor. Physical activity detection is based on heart rate and motion data.en
dc.subject.translateddiabetesen
dc.subject.translated1. type diabetesen
dc.subject.translateddetectionen
dc.subject.translateddetection methodsen
dc.subject.translatedcarbohydratesen
dc.subject.translatedphysical activityen
dc.subject.translatedrecurrent neural networksen
Vyskytuje se v kolekcích:Diplomové práce / Theses (KIV)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
dp.pdfPlný text práce2,5 MBAdobe PDFZobrazit/otevřít
A19N0073Phodnoceni-ved.pdfPosudek vedoucího práce446,46 kBAdobe PDFZobrazit/otevřít
A19N0073Pposudek-op.pdfPosudek oponenta práce71,07 kBAdobe PDFZobrazit/otevřít
A19N0073Pobhajoba.PDFPrůběh obhajoby práce371,72 kBAdobe PDFZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/45195

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání
navigace
  1. DSpace at University of West Bohemia
  2. Vysokoškolské kvalifikační práce / Theses
  3. Fakulta aplikovaných věd / Faculty of Applied Sciences
  4. Katedra informatiky a výpočetní techniky / Department of Computer Science and Engineering
  5. Diplomové práce / Theses (KIV)