Artifact Detection in Multichannel Sleep EEG using Random Forest Classifier

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>

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.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

30210 - Clinical neurology

Projekt

—

Návaznosti

V - Vyzkumna aktivita podporovana z jinych verejnych zdroju

Rok uplatnění

2018

Kód důvěrnosti údajů

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

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