fluktuace jak dob trvání po sobě jdoucích srdečních cyklů, tak hodnot Heart Rate Variability) je jev, který
|
|
- Marie Navrátilová
- před 5 lety
- Počet zobrazení:
Transkript
1 BIOLOGICKÉ A LÉKAŘSKÉ SIGNÁLY VI. VARIABILITA SRDEČNÍHO RYTMU
2 VARIABILITA SRDEČNÍHO RYTMU VARIABILITA SRDEČNÍHO RYTMU, tj. fluktuace jak dob trvání po sobě jdoucích srdečních cyklů, tak hodnot okamžité srdeční frekvence (HRV Heart Rate Variability) je jev, který reprezentuje stav autonomního nervového systému řídicího srdeční činnost.
3 VARIABILITA SRDEČNÍHO RYTMU Heart Rate Variability: Standards of Measurement, physiological interpretation, and clinical use. Task Force of The European Society of Cardiology and The North American Society of Pacing and Electrophysiology. European Heart Journal, vol. 17 (1996), p North American Society of Pacing and Electrophysiology. Standards of Professional Practice for the Allied Professional in Pacing and Electrophysiology (Policy Statement). PACE, vol. 26 (2003), p Didier C. Combatalade, D. C.: Basics of Heart Rate Variabilty. Applied to Psychophysiology. Thought Technology Ltd., Feb. 2010,
4 SOUVISLOSTI v závislosti na stavu a zatížení nervového a kardiovaskulárního systému se srdeční rytmus mění v rozsahu 5 15 % vnější faktory (svalové a psychické zatížení, trávení, poloha, hluk, podnebí, počasí); vnitřní faktory (dány autonomní fyziologickou aktivitou dýchání, oscilace tlaku krve, termoregulace);
5 VNITŘNÍ FAKTORY dýchání (respirační arytmie x sinová arytmie) frekvence vdechů/min, tj. 0,15 0,5 Hz krevní tlak spontánní oscilace o frekvenci ~0,1 Hz termoregulace oscilace do 0,08 Hz
6 MĚŘENÍ VARIABILITY SRDEČNÍHO RYTMU odvození od signálu EKG referenční bod počátek vlny P (?) začátek QRS změny PR intervalů < 5 ms (při záteži i bez ní) x přesnost měření
7 HRV ZÁKLADNÍ METODY POPISU popis naměřených intervalů RR pomocí statistických parametrů popis průběhu posloupnosti intervalů RR v časové nebo frekvenční oblasti
8 STACIONARITA časová stálost vybraných sledovaných parametrů (závisí na charakteru podmínek vyšetření) minimálně intervalů RR (prokazatelně stanovuje složky o periodě 10 až 60 s ( s) maximálně -? praxe 200 s, 256 intervalů, 2 5 minut
9 POPIS POMOCÍ STATISTICKÝCH PARAMETRŮ RR i střední hodnota standardní odchylka frekvence lokálních extrémů F[(RR i+1 <RR i >RR i-1 ) V (RR i+1 >RR i <RR i-1 )] střední hodnota absolutních hodnot rozdílů mezi dvěma sousedními intervaly 1 n 1 RR i RR i + n i= 1 1
10 POPIS POMOCÍ STATISTICKÝCH PARAMETRŮ RR i střední hodnota kladných, resp. záporných hodnot rozdílů mezi dvěma sousedními intervaly : 1 n 1 ( RR ) i RR i + 1 n : ( ) : : i= 1 histogramy RR i < RR počet relativních maxim přesahujících stanovené prahy + 1 i
11 POPIS POMOCÍ STATISTICKÝCH PARAMETRŮ parametry vyšších řádů parametry lineárních autoregresivních systémů 1. a 2. řádu modelujících změřenou posloupnost (komplementární spektrálním metodám)
12 POPIS V ČASOVÉ OBLASTI stavový popis
13 POPIS V ČASOVÉ OBLASTI
14 POPIS V ČASOVÉ OBLASTI
15 MODEL VARIABILITY RYTMU
16 MODEL VARIABILITY RYTMU
17 MODEL VARIABILITY RYTMU
18 VZORKOVÁNÍ INTERVALOVÉ FUNKCE
19 VZORKOVÁNÍ INTERVALOVÉ FUNKCE
20 VÝPOČET SPEKTRA náhodný charakter konečná délka zkoumaného úseku výkonnová spektrální hustota odhad FFT spektrum vypočtené FT není statisticky konzistentní odhad skutečného spektra (variabilita spektra neklesá s rostoucím počtem vzorků), ve spektru se mohou objevit vzorky s vysokou variabilitou a malou statistickou významností váhování okny
21 VÝPOČET SPEKTRA řídká diskrétní Fourierova transformace hodnoty jednotkové intervalové funkce jsou většinou rovny nule; není třeba počítat hodnoty všech spektrálních čar, nýbrž pouze v rozsahu zajímavém z hlediska analyzované úlohy; protože hodnoty jednotkové intervalové funkce nabývají pouze hodnot 1, nepoužívá se při výpočtu spektra operace násobení; hodnoty goniometrických funkcí potřebných pro výpočet lze tabelizovat (?)
22 VÝPOČET SPEKTRA řídká diskrétní Fourierova transformace pracnost 200 s, 1 khz ŘDFT: 6, a 6, hledání v tabulkách DFT: komplexních a FFT (pro nízký počet vzorků): 1, komplexních a FFT (tachogram):
23 HRV - experimenty
24 HRV - experimenty
25 HRV - experimenty
26 HRV - experimenty
27 HRV - experimenty
28 HRV - experimenty
29 HRV - experimenty
30 HRV - experimenty
31 HRV - experimenty
32 Za týden nashledanou
Hodnocení variability srdečního rytmu pomocí rekurentní analýzy. Evaluation of Heart Rate Variability by Using Reccurence Analysis
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta biomedicínského inženýrství Katedra přírodovědných oborů Hodnocení variability srdečního rytmu pomocí rekurentní analýzy Evaluation of Heart Rate Variability
VíceKatedra biomedicínské techniky
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA BIOMEDICÍNSKÉHO INŽENÝRSTVÍ Katedra biomedicínské techniky BAKALÁŘSKÁ PRÁCE 2008 Jakub Schlenker Obsah Úvod 1 1 Teoretický úvod 2 1.1 Elektrokardiografie............................
Vícedoc. Dr. Ing. Elias TOMEH Elias Tomeh / Snímek 1
doc. Dr. Ing. Elias TOMEH e-mail: elias.tomeh@tul.cz Elias Tomeh / Snímek 1 Frekvenční spektrum Dělení frekvenčního pásma (počet čar) Průměrování Časovou váhovou funkci Elias Tomeh / Snímek 2 Vzorkovací
VíceÚvod do zpracování signálů
1 / 25 Úvod do zpracování signálů Karel Horák Rozvrh přednášky: 1. Spojitý a diskrétní signál. 2. Spektrum signálu. 3. Vzorkovací věta. 4. Konvoluce signálů. 5. Korelace signálů. 2 / 25 Úvod do zpracování
VíceOsnova. Idea ASK/FSK/PSK ASK Amplitudové... Strana 1 z 16. Celá obrazovka. Konec Základy radiotechniky
Pulsní kódová modulace, amplitudové, frekvenční a fázové kĺıčování Josef Dobeš 24. října 2006 Strana 1 z 16 Základy radiotechniky 1. Pulsní modulace Strana 2 z 16 Pulsní šířková modulace (PWM) PAM, PPM,
Více7. Rozdělení pravděpodobnosti ve statistice
7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,
VíceLaboratorní úloha č. 8: Polykardiografie
pletys. dech FKG EKG-II. [mv] Laboratorní úloha č. 8: Polykardiografie Úvod: Polykardiografie je současný záznam několika metod sledujících různé projevy srdečního cyklu. Základem jsou elektrokardiografie,
VíceČíslicové zpracování signálů a Fourierova analýza.
Číslicové zpracování signálů a Fourierova analýza www.kme.zcu.cz/kmet/exm 1 Obsah prezentace 1. Úvod a motivace 2. Data v časové a frekvenční oblasti 3. Fourierova analýza teoreticky 4. Fourierova analýza
VíceTransformace obrazu Josef Pelikán KSVI MFF UK Praha
Transformace obrazu 99725 Josef Pelikán KSVI MFF UK Praha email: Josef.Pelikan@mff.cuni.cz WWW: http://cgg.ms.mff.cuni.cz/~pepca/ Transformace 2D obrazu dekorelace dat potlačení závislosti jednotlivých
Více1 Zpracování a analýza tlakové vlny
1 Zpracování a analýza tlakové vlny 1.1 Cíl úlohy Prostřednictvím této úlohy se naučíte a zopakujete: analýzu biologických signálů v časové oblasti, analýzu biologických signálů ve frekvenční oblasti,
VíceKTE/TEVS - Rychlá Fourierova transformace. Pavel Karban. Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni
KTE/TEVS - Rychlá Fourierova transformace Pavel Karban Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni 10.11.011 Outline 1 Motivace FT Fourierova transformace
VíceNáhodné signály. Honza Černocký, ÚPGM
Náhodné signály Honza Černocký, ÚPGM Signály ve škole a v reálném světě Deterministické Rovnice Obrázek Algoritmus Kus kódu } Můžeme vypočítat Málo informace! Náhodné Nevíme přesně Pokaždé jiné Především
VíceHRV Biofeedback Léčby Deprese
HRV Biofeedback Léčby Deprese Maria Karavidas, PsyD Abstrakt: Léčba deprese pomocí variability srdeční frekvence (HRV) je novým, alternativním přístupem, který může redukovat depresivní symptomatiku, při
VíceANALÝZA LIDSKÉHO HLASU
ANALÝZA LIDSKÉHO HLASU Pomůcky mikrofon MCA-BTA, LabQuest, program LoggerPro (nebo LoggerLite), tabulkový editor Excel, program Mathematica Postup Z každodenní zkušenosti víme, že každý lidský hlas je
VíceVOLBA ČASOVÝCH OKEN A PŘEKRYTÍ PRO VÝPOČET SPEKTER ŠIROKOPÁSMOVÝCH SIGNÁLŮ
VOLBA ČASOVÝCH OKEN A PŘEKRYTÍ PRO VÝPOČET SPEKTER ŠIROKOPÁSOVÝCH SIGNÁLŮ Jiří TŮA, VŠB Technická univerzita Ostrava Petr Czyž, Halla Visteon Autopal Services, sro Nový Jičín 2 Anotace: Referát se zabývá
Více8. Sběr a zpracování technologických proměnných
8. Sběr a zpracování technologických proměnných Účel: dodat v částečně předzpracovaném a pro další použití vhodném tvaru ucelenou informaci o procesu pro následnou analyzu průběhu procesu a pro rozhodování
VíceVYUŽITÍ MATLABU VE VÝUCE SIGNÁLŮ A SOUSTAV A V BIOMEDICÍNCKÉM INŽENÝRSTVÍ NA KATEDŘE MĚŘICÍ A ŘÍDICÍ TECHNIKY NA VŠB - TU OSTRAVA
VYUŽITÍ MATLABU VE VÝUCE SIGNÁLŮ A SOUSTAV A V BIOMEDICÍNCKÉM INŽENÝRSTVÍ NA KATEDŘE MĚŘICÍ A ŘÍDICÍ TECHNIKY NA VŠB - TU OSTRAVA Abstrakt Štěpán Ožana, Radim Bernatík, Tomáš Štula, Marek Penhaker Katedra
Více31ZZS 9. PŘEDNÁŠKA 24. listopadu 2014
3ZZS 9. PŘEDNÁŠKA 24. listopadu 24 SPEKTRÁLNÍ ANALÝZA Fourierovy řady Diskrétní Fourierovy řady Fourierova transformace Diskrétní Fourierova transformace Spektrální analýza Zobrazení signálu ve frekvenční
VíceSIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY
SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY TEMATICKÉ OKRUHY Signály se spojitým časem Základní signály se spojitým časem (základní spojité signály) Jednotkový skok σ (t), jednotkový impuls (Diracův impuls)
Více1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15
Úvodní poznámky... 11 1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15 1.1 Základní pojmy... 15 1.2 Aplikační oblasti a etapy zpracování signálů... 17 1.3 Klasifikace diskretních
VíceSemestrální projekt. Vyhodnocení přesnosti sebelokalizace VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. Fakulta elektrotechniky a komunikačních technologií
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta elektrotechniky a komunikačních technologií Semestrální projekt Vyhodnocení přesnosti sebelokalizace Vedoucí práce: Ing. Tomáš Jílek Vypracovali: Michaela Homzová,
Více3 METODY PRO POTLAČENÍ ŠUMU U ŘE- ČOVÉHO SIGNÁLU
3 METODY PRO POTLAČENÍ ŠUMU U ŘE- ČOVÉHO SIGNÁLU V současné době se pro potlačení šumu u řečového signálu používá mnoho různých metod. Jedná se například o metody spektrálního odečítání, Wienerovy filtrace,
VíceADA Semestrální práce. Harmonické modelování signálů
České vysoké učení technické v Praze ADA Semestrální práce Harmonické modelování signálů Jiří Kořínek 31.12.2005 1. Zadání Proveďte rozklad signálu do harmonických komponent (řeč, hudba). Syntetizujte
VíceKepstrální analýza řečového signálu
Semestrální práce Václav Brunnhofer Kepstrální analýza řečového signálu 1. Charakter řečového signálu Lidská řeč je souvislý, časově proměnný proces. Je nositelem určité informace od řečníka k posluchači
VíceMATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ
MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ Má-li analytický výsledek objektivně vypovídat o chemickém složení vzorku, musí splňovat určitá kriteria: Mezinárodní metrologický slovník (VIM 3),
VíceSIGNÁLY A LINEÁRNÍ SYSTÉMY
SIGNÁLY A LINEÁRNÍ SYSTÉMY prof. Ing. Jiří Holčík, CSc. holcik@iba.muni.cziba.muni.cz II. SIGNÁLY ZÁKLADNÍ POJMY SIGNÁL - DEFINICE SIGNÁL - DEFINICE Signál je jev fyzikální, chemické, biologické, ekonomické
VíceČíslicové zpracování a analýza signálů (BCZA) Spektrální analýza signálů
Číslcové zpracování a analýza sgnálů (BCZA) Spektrální analýza sgnálů 5. Spektrální analýza sgnálů 5. Spektrální analýza determnstckých sgnálů 5.. Dskrétní spektrální analýza perodckých sgnálů 5..2 Dskrétní
Vícevzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291
Vzorová úloha 4.16 Postup vícerozměrné kalibrace Postup vícerozměrné kalibrace ukážeme na úloze C4.10 Vícerozměrný kalibrační model kvality bezolovnatého benzinu. Dle následujících kroků na základě naměřených
VíceSIGNÁLY A LINEÁRNÍ SYSTÉMY
SIGNÁLY A LINEÁRNÍ SYSTÉMY prof. Ing. Jiří Holčík, CSc. holcik@iba.muni.cz II. SIGNÁLY ZÁKLADNÍ POJMY SIGNÁL - DEFINICE SIGNÁL - DEFINICE Signál je jev fyzikální, chemické, biologické, ekonomické či jiné
VíceKlasifikace hudebních stylů
Klasifikace hudebních stylů Martin Šimonovský (mys7@seznam.cz) Rozpoznávání hudby úloha z oblasti DSP klasifikace dle hudebních stylů
VícePorovnání tří metod měření QT intervalu
Porovnání tří metod měření QT intervalu Ing. Dina Kičmerová Prof. Ing. Ivo Provazník Ph.D. Ústav biomedicínského inženýrství Fakulta elektrotechniky a komunikačních technologií Vysoké učení technické v
Více4. MĚŘENÍ HARMONICKÝCH Úvod
4. MĚŘENÍ HARMONICKÝCH 4.1. Úvod ČSN EN 61000-4-7 ed. 2: Elektromagnetická kompatibilita (EMC) - Část 4-7: Zkušební a měřicí tecnika - Všeobecné směrnice o měření a měřicíc přístrojíc armonickýc a meziarmonickýc
VíceNÁHODNÁ ČÍSLA. F(x) = 1 pro x 1. Náhodná čísla lze generovat některým z následujících generátorů náhodných čísel:
NÁHODNÁ ČÍSLA TYPY GENERÁTORŮ, LINEÁRNÍ KONGRUENČNÍ GENERÁTORY, TESTY NÁHODNOSTI, VYUŽITÍ HODNOT NÁHODNÝCH VELIČIN V SIMULACI CO JE TO NÁHODNÉ ČÍSLO? Náhodné číslo definujeme jako nezávislé hodnoty z rovnoměrného
VíceSpektrální analýza a diskrétní Fourierova transformace. Honza Černocký, ÚPGM
Spektrální analýza a diskrétní Fourierova transformace Honza Černocký, ÚPGM Povídání o cosinusovce 2 Argument cosinusovky 0 2p a pak každé 2p perioda 3 Cosinusovka s diskrétním časem Úkol č. 1: vyrobit
VíceÚvod do medicínské informatiky pro Bc. studium. 6. přednáška
Metody zpracování biosignálů 6. přednáška 1 Biosignály Živé objekty produkují signály biologického původu. Tyto signály mohou být elektrické (např. elektrické potenciály vznikající při svalové činnosti),
Více" Furierova transformace"
UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM FAKULTA ŽIVOTNÍHO PROSTŘEDÍ " Furierova transformace" Seminární práce z předmětu Dálkový průzkum Země Marcela Bartošová, Veronika Bláhová OŽP, 3.ročník
VíceLaboratorní úloha č. 8: Elektroencefalogram
Laboratorní úloha č. 8: Elektroencefalogram Cíle úlohy: Rozložení elektrod při snímání EEG signálu Filtrace EEG v časové oblasti o Potlačení nf a vf rušení o Alfa aktivita o Artefakty Spektrální a korelační
VíceZPRACOVÁNÍ A ANALÝZA BIOSIGNÁLŮ V. Institut biostatistiky a analýz
ZPRACOVÁNÍ A ANALÝZA BIOSIGNÁLŮ V. ELEKTROENCEFALOGRAM ELEKTROENCEFALOGRAM ELEKTROENCEFALOGRAM (EEG) je (grafická) reprezentace časové závislosti rozdílu elektrických potenciálů, snímaných z elektrod umístěných
VíceUŽITÍ KOHERENČNÍ FUNKCE PRO DISTRIBUOVANOU
UŽITÍ KOHERENČNÍ FUNKCE PRO DISTRIBUOVANOU ANALÝZU VÍCEKANÁLOVÝCH SIGNÁLŮ Robert Háva, Aleš Procházka Vysoká škola chemicko-technologická, Abstrakt Ústav počítačové a řídicí techniky Analýza vícekanálových
VíceFouriérova transformace, konvoluce, dekonvoluce, Fouriérovské integrály
co byste měli umět po dnešní lekci: používat funkce pro výpočet FFT (Fast Fourier Transformation) spočítat konvoluci/dekonvoluci pomocí FFT použít FFT při výpočtu určitých integrálů vědět co je nízko\vysoko
VíceSpectral Analysis System Sport Assessment System
www.mysasy.com Spectral Analysis System Sport Assessment System Představení mysasy v 5 bodech Co? Proč? Jak? Kdy? Nenechte se zaskočit 1. CO? mysasy měří? Systém mysasy monitoruje klidovou srdeční frekvenci
VíceSignál v čase a jeho spektrum
Signál v čase a jeho spektrum Signály v časovém průběhu (tak jak je vidíme na osciloskopu) můžeme dělit na periodické a neperiodické. V obou případech je lze popsat spektrálně určit jaké kmitočty v sobě
VíceZDATNOST AUTONOMNÍ REGULACE URČUJE VŠE
ZDATNOST AUTONOMNÍ REGULACE URČUJE VŠE - I ZVLÁDNUTÍ KRITICKÉHO STAVU Petr Reimer, KARIM, FNO Sepse 2017, Ostrava AUTONOMNÍ NERVOVÝ SYSTÉM regulátor HOMEOSTÁZY Homeostáza dynamická rovnováha vnitřního
VíceZákladní metody číslicového zpracování signálu a obrazu část II.
A4M38AVS Aplikace vestavěných systémů Přednáška č. 8 Základní metody číslicového zpracování signálu a obrazu část II. Radek Sedláček, katedra měření, ČVUT FEL, 2015 Obsah přednášky Převzorkování decimace,
VíceQRS DETEKTOR V PROSTŘEDÍ SIMULINK
QRS DETEKTOR V PROSTŘEDÍ SIMULINK FUNDA T. a HÁNA K. ČVUT v Praze, Fakulta biomedicínského inženýrství, Společné pracoviště ČVUT a UK Abstrakt Problém detekce QRS v EKG signálu byla pro přehlednost a snadnou
VíceSPIROERGOMETRIE. probíhá na bicyklovém ergometru, v průběhu zátěže měřena spotřeba kyslíku a množství vydechovaného oxidu uhličitého
SPIROERGOMETRIE = zátěžové vyšetření (velmi podobné ergometrii) posouzení funkční rezervy kardiovaskulárního systému objektivizace závažnosti onemocnění (přesně změří tělesnou výkonnost), efekt intervenčních
VícePolykardiografie. Cíle. Pulsní pletysmografie měří optickou transparentnost/odrazivost, která se mění se změnou pulzního tlaku v cévkách měkkých tkání
Polykardiografie Úvod Polykardiografie je současný záznam několika metod sledujících různé projevy srdečního cyklu. Základem jsou elektrokardiografie (EKG), pulsní pletysmografie (PPG), fonokardiografie
VíceZPRACOVÁNÍ SIGNÁLŮ Z MECHANICKÝCH. Jiří Tůma
ZPRACOVÁNÍ SIGNÁLŮ Z MECHANICKÝCH SYSTÉMŮ UŽITÍM FFT Jiří Tůma Štramberk 1997 ii Anotace Cílem této knihy je systematicky popsat metody analýzy signálů z mechanických systémů a strojních zařízení. Obsahem
VíceElektronický systém a programové vybavení pro detekci a optimalizaci pulzů kardiostimulátoru
Elektronický systém a programové vybavení pro detekci a optimalizaci pulzů kardiostimulátoru Milan Štork Katedra aplikované elektroniky a telekomunikací & Regionálním inovační centrum pro elektrotechniku
VíceMultimediální systémy
Multimediální systémy Jan Outrata KATEDRA INFORMATIKY UNIVERZITA PALACKÉHO V OLOMOUCI přednášky Získání obsahu Jan Outrata (Univerzita Palackého v Olomouci) Multimediální systémy Olomouc, září prosinec
Více0.0001 0.001 0.01 0.1 1 10 100 1000 10000. Čas (s) Model časového průběhu sorpce vyplývá z 2. Fickova zákona a je popsán následující rovnicí
Program Sorpce1.m psaný v prostředí Matlabu slouží k vyhlazování naměřených sorpčních křivek a výpočtu difuzních koeficientů. Kromě standardního Matlabu vyžaduje ještě Matlab Signal Processing Toolbox
VíceZvuk. 1. základní kmitání. 2. šíření zvuku
Zvuk 1. základní kmitání - vzduchem se šíří tlakové vzruchy (vzruchová vlna), zvuk je systémem zhuštěnin a zředěnin - podstatou zvuku je kmitání zdroje zvuku a tím způsobené podélné vlnění elastického
VíceStruktura a typy lékařských přístrojů. X31LET Lékařskátechnika Jan Havlík Katedra teorie obvodů
Struktura a typy lékařských přístrojů X31LET Lékařskátechnika Jan Havlík Katedra teorie obvodů xhavlikj@fel.cvut.cz Elektronické lékařské přístroje využití přístrojové techniky v medicíně diagnostické
VíceJiří Brus. (Verze 1.0.1-2005) (neupravená a neúplná)
Jiří Brus (Verze 1.0.1-2005) (neupravená a neúplná) Ústav makromolekulární chemie AV ČR, Heyrovského nám. 2, Praha 6 - Petřiny 162 06 e-mail: brus@imc.cas.cz Transverzální magnetizace, která vykonává precesi
VíceCharakterizují kvantitativně vlastnosti předmětů a jevů.
Měřicí aparatura 1 / 34 Fyzikální veličiny Charakterizují kvantitativně vlastnosti předmětů a jevů. Můžeme je dělit: Podle rozměrů: Bezrozměrné (index lomu, poměry) S rozměrem fyzikální veličiny velikost
VíceChyby měření 210DPSM
Chyby měření 210DPSM Jan Zatloukal Stručný přehled Zdroje a druhy chyb Systematické chyby měření Náhodné chyby měření Spojité a diskrétní náhodné veličiny Normální rozdělení a jeho vlastnosti Odhad parametrů
VíceANALÝZA VARIABILITY SRDEČNÍHO RYTMU KRÁTKODOBOU FOURIEROVOU TRANSFORMACÍ
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV BIOMEDICÍNSKÉHO INŽENÝRSTVÍ FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION DEPARTMENT
VíceLineární a adaptivní zpracování dat. 3. SYSTÉMY a jejich popis ve frekvenční oblasti
Lineární a adaptivní zpracování dat 3. SYSTÉMY a jejich popis ve frekvenční oblasti Daniel Schwarz Osnova Opakování: systémy a jejich popis v časové oblasti Fourierovy řady Frekvenční charakteristika systémů
VíceANALÝZA VARIABILITY SRDEČNÍHO RYTMU POMOCÍ FRAKTÁLNÍ DIMENZE
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV BIOMEDICÍNSKÉHO INŽENÝRSTVÍ FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION DEPARTMENT
VíceCvičná bakalářská zkouška, 1. varianta
jméno: studijní obor: PřF BIMAT počet listů(včetně tohoto): 1 2 3 4 5 celkem Cvičná bakalářská zkouška, 1. varianta 1. Matematická analýza Najdětelokálníextrémyfunkce f(x,y)=e 4(x y) x2 y 2. 2. Lineární
VíceVYSOKÉ UČENÍ TECHNICKÉ V BRNĚ MODELOVÁNÍ RR INTERVALŮ BAKALÁŘSKÁ PRÁCE
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV BIOMEDICÍNSKÉHO INŽENÝRSTVÍ FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION DEPARTMENT
VíceKombinatorická minimalizace
Kombinatorická minimalizace Cílem je nalézt globální minimum ve velké diskrétní množině, kde může být mnoho lokálních minim. Úloha obchodního cestujícího Cílem je najít nejkratší cestu, která spojuje všechny
VíceKapitola 1. Signály a systémy. 1.1 Klasifikace signálů
Kapitola 1 Signály a systémy 1.1 Klasifikace signálů Signál představuje fyzikální vyjádření informace, obvykle ve formě okamžitých hodnot určité fyzikální veličiny, která je funkcí jedné nebo více nezávisle
VíceZpracování obrazů. Honza Černocký, ÚPGM
Zpracování obrazů Honza Černocký, ÚPGM 1D signál 2 Obrázky 2D šedotónový obrázek (grayscale) Několikrát 2D barevné foto 3D lékařské zobrazování, vektorová grafika, point-clouds (hloubková mapa, Kinect)
VíceKomplexní obálka pásmového signálu
České vysoké učení technické v Praze, Fakulta elektrotechnická X37SGS Signály a systémy Komplexní obálka pásmového signálu Daniel Tureček 8.11.8 1 Úkol měření Nalezněte vzorky komplexní obálky pásmového
VíceNejistota měření. Thomas Hesse HBM Darmstadt
Nejistota měření Thomas Hesse HBM Darmstadt Prof. Werner Richter: Výsledek měření bez určení nejistoty měření je nejistý, takový výsledek je lépe ignorovat" V podstatě je výsledek měření aproximací nebo
Více2 Teoretický úvod Základní princip harmonické analýzy Podmínky harmonické analýzy signálů Obdelník Trojúhelník...
Obsah 1 Zadání 1 2 Teoretický úvod 1 2.1 Základní princip harmonické analýzy.................. 1 2.2 Podmínky harmonické analýzy signálů................. 1 3 Obecné matematické vyjádření 2 4 Konkrétní
VíceSIMULTÁNNÍ EEG-fMRI. EEG-fMRI. Radek Mareček MULTIMODÁLNÍ FUNKČNÍ ZOBRAZOVÁNÍ. EEG-fMRI. pozorování jevu z různých úhlú lepší pochopení
SIMULTÁNNÍ Radek Mareček MULTIMODÁLNÍ FUNKČNÍ ZOBRAZOVÁNÍ pozorování jevu z různých úhlú lepší pochopení některé jevy jsou lépe pozorovány pomocí jedné modality, pozorovatele však zajímá informace obsažená
VíceBiostatistika Cvičení 7
TEST Z TEORIE 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový průměr je a) náhodná veličina, b) konstanta,
VíceZápočtová práce STATISTIKA I
Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru
VíceDetekce korové aktivity vyvolané míšním neurostimulátorem u pacientů trpících nezvladatelnou neuropatickou bolestí
Detekce korové aktivity vyvolané míšním neurostimulátorem u pacientů trpících nezvladatelnou neuropatickou bolestí Lukáš Svoboda 1, Pavel Sovka 1, Andrej Stančák 1 České vysoké učení technické v Praze,
Více2. Základní typy dat Spojitá a kategoriální data Základní popisné statistiky Frekvenční tabulky Grafický popis dat
2. Základní typy dat Spojitá a kategoriální data Základní popisné statistiky Frekvenční tabulky Grafický popis dat Anotace Realitu můžeme popisovat různými typy dat, každý z nich se specifickými vlastnostmi,
VíceVARIABILITA SRDEČNÍ FREKVENCE U DĚTÍ VLEŽE A VSTOJE HEART RATE VARIABILITY IN CHILDREN AT SUPINE AND STANDING POSITION
VARIABILITA SRDEČNÍ FREKVENCE U DĚTÍ VLEŽE A VSTOJE HEART RATE VARIABILITY IN CHILDREN AT SUPINE AND STANDING POSITION Jan Novotný, Martina Novotná Masarykova univerzita Fakulta sportovních studií Brno
VíceDobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze
Dobývání znalostí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobývání znalostí Pravděpodobnost a učení Doc. RNDr. Iveta Mrázová,
VíceNáhodné chyby přímých měření
Náhodné chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně pravděpodobná.
VíceMĚŘENÍ AKUSTICKÝCH VELIČIN. Ing. Barbora Hrubá, Ing. Jiří Winkler Kat. 225 Pozemní stavitelství 2014
MĚŘENÍ AKUSTICKÝCH VELIČIN Ing. Barbora Hrubá, Ing. Jiří Winkler Kat. 225 Pozemní stavitelství 2014 TERMÍNY A DEFINICE MÍSTO PŘÍJMU Místo ve kterém je hluk posuzován ČASOVÝ INTERVAL MĚŘENÍ Časový interval
VíceNejvyšší přípustné hodnoty a referenční hodnoty
Příloha č. 1 k nařízení vlády č. 1/2008 Sb. Nejvyšší přípustné hodnoty a referenční hodnoty 1. Nejvyšší přípustné hodnoty pro modifikovanou proudovou hustotu indukovanou v centrálním nervovém systému elektrickým
VícePSK1-5. Frekvenční modulace. Úvod. Vyšší odborná škola a Střední průmyslová škola, Božetěchova 3 Ing. Marek Nožka. Název školy: Vzdělávací oblast:
PSK1-5 Název školy: Autor: Anotace: Vzdělávací oblast: Předmět: Tematická oblast: Výsledky vzdělávání: Klíčová slova: Druh učebního materiálu: Vyšší odborná škola a Střední průmyslová škola, Božetěchova
VíceANALÝZA AKUSTICKÝCH PARAMETRŮ ZVONU Z KOSTELA SV. TOMÁŠE V BRNĚ. Smutný Jaroslav, Pazdera Luboš Vysoké učení technické v Brně, fakulta stavební
ANALÝZA AKUSTICKÝCH PARAMETRŮ ZVONU Z KOSTELA SV. TOMÁŠE V BRNĚ Smutný Jaroslav, Pazdera Luboš Vysoké učení technické v Brně, fakulta stavební Abstrakt Příspěvek popisuje měření a analýzu akustických parametrů
VíceMATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci
MATEMATICKÁ STATISTIKA Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Matematická statistika Matematická statistika se zabývá matematickým
VíceBiofyzikální ústav LF MU Brno. jarní semestr 2011
pro obor Ošetřovatelská péče v gerontologii Biofyzikální ústav LF MU Brno jarní semestr 2011 Obsah letmý dotyk teorie systémů klasifikace a analýza biosignálů Co je signál? Co je biosignál? Co si počít
VíceMotivace příklad použití lokace radarového echa Význam korelace Popis náhodných signálů číselné charakteristiky
A0M38SPP - Signálové procesory v praxi - přednáška 7 2 Motivace příklad použití lokace radarového echa Význam korelace Popis náhodných signálů číselné charakteristiky (momenty) Matematická definice korelační
VíceLineární a adpativní zpracování dat. 3. Lineární filtrace I: Z-transformace, stabilita
Lineární a adpativní zpracování dat 3. Lineární filtrace I: Z-transformace, stabilita Daniel Schwarz Investice do rozvoje vzdělávání Osnova Opakování: signály, systémy, jejich vlastnosti a popis v časové
VíceNáhodná proměnná. Náhodná proměnná může mít rozdělení diskrétní (x 1. , x 2. ; x 2. spojité (<x 1
Náhodná proměnná Náhodná proměnná může mít rozdělení diskrétní (x 1, x 2,,x n ) spojité () Poznámky: 1. Fyzikální veličiny jsou zpravidla spojité, ale změřené hodnoty jsou diskrétní. 2. Pokud
VíceDigitalizace převod AS DS (analogový diskrétní signál )
Digitalizace signálu v čase Digitalizace převod AS DS (analogový diskrétní signál ) v amplitudě Obvykle převod spojité předlohy (reality) f 1 (t/x,...), f 2 ()... připomenutí Digitalizace: 1. vzorkování
VíceNormální (Gaussovo) rozdělení
Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení popisuje vlastnosti náhodné spojité veličiny, která vzniká složením různých náhodných vlivů, které jsou navzájem nezávislé, kterých je velký
Více1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností,
KMA/SZZS1 Matematika 1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností, operace s limitami. 2. Limita funkce
VíceVYSOKONAPĚŤOVÉ ZKUŠEBNICTVÍ. #2 Nejistoty měření
VYSOKONAPĚŤOVÉ ZKUŠEBNICTVÍ # Nejistoty měření Přesnost měření Klasický způsob vyjádření přesnosti měření chyba měření: Absolutní chyba X = X M X(S) Relativní chyba δ X = X(M) X(S) - X(M) je naměřená hodnota
VícePraktická statistika. Petr Ponížil Eva Kutálková
Praktická statistika Petr Ponížil Eva Kutálková Zápis výsledků měření Předpokládejme, že známe hodnotu napětí U = 238,9 V i její chybu 3,3 V. Hodnotu veličiny zapíšeme na tolik míst, aby až poslední bylo
VíceNáhodné (statistické) chyby přímých měření
Náhodné (statistické) chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně
VíceSpektrální analyzátory
Radioelektronická měření (MREM, LREM) Spektrální analyzátory 6. přednáška Jiří Dřínovský Ústav radioelektroniky FEKT VUT v Brně Úvod Spektrální analyzátory se používají pro zobrazení nejrůznějších signálů
VíceTeoretický úvod: [%] (1)
Vyšší odborná škola a Střední průmyslová škola elektrotechnická Božetěchova 3, Olomouc Laboratoře elektrotechnických měření Název úlohy Číslo úlohy ZESILOVAČ OSCILÁTOR 101-4R Zadání 1. Podle přípravku
VíceProtokol č. 5. Vytyčovací údaje zkusných ploch
Protokol č. 5 Vytyčovací údaje zkusných ploch Zadání: Ve vybraném porostu bylo prováděno zjišťování zásob za použití reprezentativní metody kruhových zkusných ploch. Na těchto zkusných plochách byl zjišťován
VíceVYSOKÉ UČENÍ TECHNICKÉ V BRNĚ
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV BIOMEDICÍNSKÉHO INŽENÝRSTVÍ FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION DEPARTMENT
VíceZáklady a aplikace digitálních. Katedra radioelektroniky (13137), blok B2, místnost 722
Základy a aplikace digitálních modulací Josef Dobeš Katedra radioelektroniky (13137), blok B2, místnost 722 dobes@fel.cvut.cz 6. října 2014 České vysoké učení technické v Praze, Fakulta elektrotechnická
Vícemagnetizace M(t) potom, co těsně po rychlé změně získal vzorek magnetizaci M 0. T 1, (2)
1 Pracovní úkoly Pulsní metoda MR (část základní) 1. astavení optimálních excitačních podmínek signálu FID 1 H ve vzorku pryže 2. Měření závislosti amplitudy signálu FID 1 H ve vzorku pryže na délce excitačního
VíceP7: Základy zpracování signálu
P7: Základy zpracování signálu Úvodem - Signál (lat. signum) bychom mohli definovat jako záměrný fyzikální jev, nesoucí informaci o nějaké události. - Signálem je rovněž funkce, která převádí nezávislou
Více