dc.contributor.advisor	Koldovský Zbyněk, prof. Ing. Ph.D. :56862	cs
dc.contributor.author	Vrátný, Martin	cs
dc.contributor.referee	Mareček Radek, Ing. Ph.D. :69048	cs
dc.date.accessioned	2024-03-26T07:31:52Z
dc.date.available	2024-03-26T07:31:52Z
dc.date.committed	14.5.2024	cs
dc.date.defense	30.1.2024	cs
dc.date.submitted	24.10.2022	cs
dc.description.abstract	Tato diplomová práce se zabývá exploratorní analýzou využitelnosti rozšířené metody ICA postavené na mixovacím modelu CSV. Konkrétním cílem práce bylo zhodnotit využití ICA CSV na datech funkční magnetické rezonance a porovnat výsledky s klasickou metodou ICA. Dále bylo předmětem experimentálně nalézt vhodnou parametrizaci rozšířené metody. V úvodní části diplomové práce jsou ujasněny klíčové pojmy a teoretický základ pro část praktickou, jež se skládá z pěti experimentů. Nejdříve byly nalezeny vhodné parametry pro dosažení nejlepších možných výsledků podle korelačního koeficientu. Tato parametrizace byla otestována na nezávislé datové sadě, která potvrdila výsledky ze sady původní. Následně bylo vyzkoušeno rozdělení vstupních dat do bloků dle mozkových regionů, což umožňuje rozšířená metoda. Toto rozdělení vedlo k dosažení lepších výsledků v nalezení problémové komponenty. Na závěr práce jsou navržena doporučení pro výpočet rozšířené metody na běžném PC.	cs
dc.description.abstract	This thesis deals with exploratory analysis of the use of the extended ICA method with constant separating vector (CSV). The goal was to evaluate the use of the ICA CSV on fMRI data sets and compare the result with the ICA. Another goal was to experimentaly find a suitable parametrization of the extended method. The introductory part of the thesis specifies the key words and theory needed for the experimental part, which consists of five experiments. Firstly, suitable parameters which led to the best results according to the corelation coeficient were found. These parametres were tested on an independent data set and the setting of the parameters was confirmed to be suitable. After that, slicing of the input data based on the anatomy of the brain regions was tested. This was made possible due to the use of the extended method. The slicing of the data set resulted in better results in finding a problematic component. Lastly, author summarizes recommendations for use of the extended method on a PC.	en
dc.format	62	cs
dc.identifier.uri	https://dspace.tul.cz/handle/15240/174839
dc.language.iso	CS	cs
dc.subject	PCA	cs
dc.subject	ICA	cs
dc.subject	ICA CSV	cs
dc.subject	fMRI	cs
dc.subject	BSS	cs
dc.subject	BSE	cs
dc.subject	IC	cs
dc.subject	ICN	cs
dc.subject	FCN	cs
dc.title	Exploratorní analýza záznamů funkční magnetické rezonance metodami slepé separace	cs
dc.title	Exploratory analysis of fMRI recordings using blind source separation	en
dc.type	diplomová práce	cs
local.degree.abbreviation	Navazující	cs
local.identifier.author	M21000165	cs
local.identifier.stag	44607	cs

Exploratorní analýza záznamů funkční magnetické rezonance metodami slepé separace

Files

Original bundle

Collections