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”

Artifact Detection in Multichannel Sleep EEG using Random Forest Classifier

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11120%2F18%3A43917758" target="_blank" >RIV/00216208:11120/18:43917758 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/68407700:21230/18:00328193 RIV/68407700:21460/18:00328193 RIV/68407700:21730/18:00328193

  • Výsledek na webu

    <a href="https://doi.org/10.1109/BIBM.2018.8621374" target="_blank" >https://doi.org/10.1109/BIBM.2018.8621374</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/BIBM.2018.8621374" target="_blank" >10.1109/BIBM.2018.8621374</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Artifact Detection in Multichannel Sleep EEG using Random Forest Classifier

  • Popis výsledku v původním jazyce

    Detection of artifacts in sleep electroencephalography (EEG) is one of the important tasks on the preprocessing step. Despite many algorithms of artifact detection developed through years, many of them lose their benefits in sleep EEG application. This study proposes a method of artifact detection based on a classification of quasi-stationary EEG epochs with random forest classifier. The method was tested on data of three sleep stages and pre-sleep wake EEG. Results showed 16% increase in F-1 for the wake and 9%, 5% and 16% for different sleep stages in comparison to a baseline. All false detection at every presented sleep stage is investigated.

  • Název v anglickém jazyce

    Artifact Detection in Multichannel Sleep EEG using Random Forest Classifier

  • Popis výsledku anglicky

    Detection of artifacts in sleep electroencephalography (EEG) is one of the important tasks on the preprocessing step. Despite many algorithms of artifact detection developed through years, many of them lose their benefits in sleep EEG application. This study proposes a method of artifact detection based on a classification of quasi-stationary EEG epochs with random forest classifier. The method was tested on data of three sleep stages and pre-sleep wake EEG. Results showed 16% increase in F-1 for the wake and 9%, 5% and 16% for different sleep stages in comparison to a baseline. All false detection at every presented sleep stage is investigated.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    30210 - Clinical neurology

Návaznosti výsledku

  • Projekt

  • Návaznosti

    V - Vyzkumna aktivita podporovana z jinych verejnych zdroju

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 statě ve sborníku

    Proceedings 2018 IEEE International Conference on Bioinformatics and Biomedicine (BIBM)

  • ISBN

    978-1-5386-5488-0

  • ISSN

  • e-ISSN

    2156-1133

  • Počet stran výsledku

    3

  • Strana od-do

    2803-2805

  • Název nakladatele

    IEEE Computer Society

  • Místo vydání

    New Jersey

  • Místo konání akce

    Madrid

  • Datum konání akce

    3. 12. 2018

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000458654000494