Riemannian Geometry in Sleep Stage Classication

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00023752%3A_____%2F17%3A43919314" target="_blank" >RIV/00023752:_____/17:43919314 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007/978-3-319-64265-9_8" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-319-64265-9_8</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-64265-9_8" target="_blank" >10.1007/978-3-319-64265-9_8</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Riemannian Geometry in Sleep Stage Classication

Popis výsledku v původním jazyce

The study is devoted to the sleep stage identication prob- lem. Proposed method is based on calculation of covariance matrices from segments of multi-modal recordings. Mathematical properties of the extracted covariance matrices allow to dene a distance between two segments - a distance in a Riemannian manifold. In the paper we tested minimum distance to a class center and k-nearest-neighbours classiers with the Riemannian metric as a distance between two objects, and clas- sication in a tangent space to a Riemannian manifold. Methods were tested on the data of patients suering from sleep disorders. The max- imum obtained accuracy for KNN is 0:94, for minimum distance to a class center it is only 0:816 and for classication in a tangent space is 0:941.

Název v anglickém jazyce

Riemannian Geometry in Sleep Stage Classication

Popis výsledku anglicky

The study is devoted to the sleep stage identication prob- lem. Proposed method is based on calculation of covariance matrices from segments of multi-modal recordings. Mathematical properties of the extracted covariance matrices allow to dene a distance between two segments - a distance in a Riemannian manifold. In the paper we tested minimum distance to a class center and k-nearest-neighbours classiers with the Riemannian metric as a distance between two objects, and clas- sication in a tangent space to a Riemannian manifold. Methods were tested on the data of patients suering from sleep disorders. The max- imum obtained accuracy for KNN is 0:94, for minimum distance to a class center it is only 0:816 and for classication in a tangent space is 0:941.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2017

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

8th International Conference on Information Technology in Bio- and Medical Informatics (ITBAM)

ISBN

—

ISSN

0302-9743

e-ISSN

1611-3349

Počet stran výsledku

8

Strana od-do

92-99

Název nakladatele

Springer, Cham

Místo vydání

Lyon

Místo konání akce

Lyon, Francie

Datum konání akce

28. 8. 2017

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—