Detection of selected cardiac arrhythmias in ECG

Tato práce se zabývá klasifikací EKG záznamů se zaměřením na hůře klasifikovatelné arytmie (flutter síní, atriventrikulární blokáda II. a III. stupně). V teoretické části je uvedena literární rešerše v oblasti metod hlubokého učení, které byly využity pro klasifikaci EKG záznamů, se zaměřením na konvoluční neuronové sítě. Dále je popsána použitá databáze EKG záznamů se stručným popisem detekovaných arytmií. Praktická část provádí implementaci navržených konvolučních neuronových sítí v prostředí Python. Hodnocení kvality klasifikátorů proběhlo pomocí vybraných metrik se zaměřením na F1 skóre. Výsledky jsou na konci práce diskutovány.This thesis deals with classification of ECG records focusing on less classifiable arrhythmia (atrial flutter, atriventricular block I. and II. degree). In the theoretical part of the thesis deep learning used in classification of ECG records with a focus on the convolutional neural networks are described. The database of ECG records with a brief description of detected arrhythmias is further described. The practical part implements the proposed convolutional neural network in the Python environment. The evaluation of the arrhythmia detection quality was done using mainly the F1 score. The results were discussed at the end of the thesis.