Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Sleep spindle detection using multivariate Gaussian mixture models

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00159816%3A_____%2F18%3A00069354" target="_blank" >RIV/00159816:_____/18:00069354 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1111/jsr.12614" target="_blank" >http://dx.doi.org/10.1111/jsr.12614</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1111/jsr.12614" target="_blank" >10.1111/jsr.12614</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Sleep spindle detection using multivariate Gaussian mixture models

  • Popis výsledku v původním jazyce

    In this research study we have developed a clustering-based automatic sleep spindle detection method that was evaluated on two different databases. The databases consisted of 20 all-night polysomnograph recordings. Past detection methods have been based on subject-independent and some subject-dependent parameters, such as fixed or variable thresholds to identify spindles. Using a multivariate Gaussian mixture model clustering technique, our algorithm was developed to use only subject-specific parameters to detect spindles. We have obtained an overall sensitivity range (65.1-74.1%) at a (59.55-119.7%) false positive proportion.

  • Název v anglickém jazyce

    Sleep spindle detection using multivariate Gaussian mixture models

  • Popis výsledku anglicky

    In this research study we have developed a clustering-based automatic sleep spindle detection method that was evaluated on two different databases. The databases consisted of 20 all-night polysomnograph recordings. Past detection methods have been based on subject-independent and some subject-dependent parameters, such as fixed or variable thresholds to identify spindles. Using a multivariate Gaussian mixture model clustering technique, our algorithm was developed to use only subject-specific parameters to detect spindles. We have obtained an overall sensitivity range (65.1-74.1%) at a (59.55-119.7%) false positive proportion.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    30103 - Neurosciences (including psychophysiology)

Návaznosti výsledku

  • 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)

Ostatní

  • Rok uplatnění

    2018

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Journal of Sleep Research

  • ISSN

    0962-1105

  • e-ISSN

  • Svazek periodika

    27

  • Číslo periodika v rámci svazku

    4

  • Stát vydavatele periodika

    US - Spojené státy americké

  • Počet stran výsledku

    12

  • Strana od-do

  • Kód UT WoS článku

    000438350700010

  • EID výsledku v databázi Scopus