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”

Automatic Classification of Sleep/Wake Stages Using Two-Step System

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61988987%3A17450%2F11%3AA12011Z9" target="_blank" >RIV/61988987:17450/11:A12011Z9 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Automatic Classification of Sleep/Wake Stages Using Two-Step System

  • Popis výsledku v původním jazyce

    This paper presents application of an automatic classification system on 53 animal polysomnographic recordings. A two-step automatic system is used to score the recordings into three traditional stages: wake, NREM sleep and REM sleep. In the first step of the analysis, monitored signals are analyzed using artifact identification strategy and artifact-free signals are selected. Then, 30sec epochs are classified according to relevant features extracted from available signals using artificial neural networks. The overall classification accuracy reached by the presented classification system exceeded 95%, when analyzed 53 polysomnographic recordings.

  • Název v anglickém jazyce

    Automatic Classification of Sleep/Wake Stages Using Two-Step System

  • Popis výsledku anglicky

    This paper presents application of an automatic classification system on 53 animal polysomnographic recordings. A two-step automatic system is used to score the recordings into three traditional stages: wake, NREM sleep and REM sleep. In the first step of the analysis, monitored signals are analyzed using artifact identification strategy and artifact-free signals are selected. Then, 30sec epochs are classified according to relevant features extracted from available signals using artificial neural networks. The overall classification accuracy reached by the presented classification system exceeded 95%, when analyzed 53 polysomnographic recordings.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    V - Vyzkumna aktivita podporovana z jinych verejnych zdroju

Ostatní

  • Rok uplatnění

    2011

  • 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

    Communications in Computer and Information Science

  • ISBN

    978-3-642-22388-4

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    12

  • Strana od-do

    106-117

  • Název nakladatele

    Springer

  • Místo vydání

  • Místo konání akce

    Ostrava

  • Datum konání akce

    7. 7. 2011

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku