Pattern Discovery in an EEG Database of Depression Patients: Preliminary Results
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00023752%3A_____%2F23%3A43921226" target="_blank" >RIV/00023752:_____/23:43921226 - isvavai.cz</a>
Výsledek na webu
<a href="https://ieeexplore.ieee.org/document/10164584" target="_blank" >https://ieeexplore.ieee.org/document/10164584</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.23919/MEASUREMENT59122.2023.10164584" target="_blank" >10.23919/MEASUREMENT59122.2023.10164584</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Pattern Discovery in an EEG Database of Depression Patients: Preliminary Results
Popis výsledku v původním jazyce
The ability to predict response to medication treatment of depressed patients, either early in the course of therapy or before treatment even begins can avoid trials of ineffective therapy and save patients from prolonged intervals of suffering. Symptom alleviation requires 4-6 weeks after starting current antidepressive medication. Based on the data basis of the patients and their EEG before and on the 7th day of treatment we apply data mining, causal discovery and machine learning approaches to discover interactive patterns between patient's brain regions to separate the treatment responders from non-responders. In this paper we report the preliminary results of our international project "Learning Synchronization Patterns in Multivariate Neural Signals for Prediction of Response to Antidepressants"ongoing at the University of Vienna, the Czech Academy of Sciences and the National Institute of Mental Health in the Czech Republic.
Název v anglickém jazyce
Pattern Discovery in an EEG Database of Depression Patients: Preliminary Results
Popis výsledku anglicky
The ability to predict response to medication treatment of depressed patients, either early in the course of therapy or before treatment even begins can avoid trials of ineffective therapy and save patients from prolonged intervals of suffering. Symptom alleviation requires 4-6 weeks after starting current antidepressive medication. Based on the data basis of the patients and their EEG before and on the 7th day of treatment we apply data mining, causal discovery and machine learning approaches to discover interactive patterns between patient's brain regions to separate the treatment responders from non-responders. In this paper we report the preliminary results of our international project "Learning Synchronization Patterns in Multivariate Neural Signals for Prediction of Response to Antidepressants"ongoing at the University of Vienna, the Czech Academy of Sciences and the National Institute of Mental Health in the Czech Republic.
Klasifikace
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)
Návaznosti výsledku
Projekt
—
Návaznosti
V - Vyzkumna aktivita podporovana z jinych verejnych zdroju
Ostatní
Rok uplatnění
2023
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of the 14th International Conference on Measurement, MEASUREMENT 2023
ISBN
978-80-972629-7-6
ISSN
—
e-ISSN
—
Počet stran výsledku
4
Strana od-do
80-83
Název nakladatele
Institute of Measurement Science, SAS
Místo vydání
Karlova Ves, Slovensko
Místo konání akce
Smolenice Castle
Datum konání akce
29. 5. 2023
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—