Biological Data Preprocessing: A Case Study

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21220%2F03%3A03087919" target="_blank" >RIV/68407700:21220/03:03087919 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Biological Data Preprocessing: A Case Study

Popis výsledku v původním jazyce

This paper presents two case studies illustrating the problem of data pre-processing as the first step in computer-aided analysis of biological signals used in clinical decision support. Methods for data extraction from ECG and EEG signals are described.We show the differences between these two signal types and the reasons why different transforms are used for their pre-processing. Analysis of ECG records is performed by the wavelet transform, and analysis of EEG records is performed by the Fourier transform. The wavelet transform allows good localisation of QRS complexes, P and T waves in time and amplitude. The average accuracy of detection of all events is above 87 per cent. Adaptive segmentation abstracts the EEG signal data into stationary segments and the Fourier transform calculates their basic characteristics. In both cases extracted data are used as inputs for learning methods.

Název v anglickém jazyce

Biological Data Preprocessing: A Case Study

Popis výsledku anglicky

This paper presents two case studies illustrating the problem of data pre-processing as the first step in computer-aided analysis of biological signals used in clinical decision support. Methods for data extraction from ECG and EEG signals are described.We show the differences between these two signal types and the reasons why different transforms are used for their pre-processing. Analysis of ECG records is performed by the wavelet transform, and analysis of EEG records is performed by the Fourier transform. The wavelet transform allows good localisation of QRS complexes, P and T waves in time and amplitude. The average accuracy of detection of all events is above 87 per cent. Adaptive segmentation abstracts the EEG signal data into stationary segments and the Fourier transform calculates their basic characteristics. In both cases extracted data are used as inputs for learning methods.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2003

Kód důvěrnosti údajů

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

Název statě ve sborníku

Intelligent and Adaptive Systems in Medicine

ISBN

—

ISSN

—

e-ISSN

—

Počet stran výsledku

23

Strana od-do

77-99

Název nakladatele

CVUT FEL Praha

Místo vydání

Praha

Místo konání akce

Praha

Datum konání akce

31. 3. 2003

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—