Není k dispozici

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F04%3A03102014" target="_blank" >RIV/68407700:21230/04:03102014 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/00064211:_____/05:#0000061

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Classification of Long-Term EEG Recordings

Popis výsledku v původním jazyce

Computer assisted processing of long-term EEG recordings is gaining a growing importance. To simplify the work of a physician, that must visually evaluate long recordings, we present a method for automatic processing of EEG based of learning classifier.This method supports the automatic search of long-term EEG recording and detection of graphoelements - signal parts with characteristic shape and defined diagnostic value. Traditional methods of detection show great variety of non-stationary EEG. The idea of this method is to break down the signal into stationary sections called segments using adaptive segmentation and create a set of normalized discriminative features are used for classification describe classes of unknown segments. The implementationof this method was experimentally verified on a real EEG with the diagnosis of epilepsy.

Název v anglickém jazyce

Classification of Long-Term EEG Recordings

Popis výsledku anglicky

Computer assisted processing of long-term EEG recordings is gaining a growing importance. To simplify the work of a physician, that must visually evaluate long recordings, we present a method for automatic processing of EEG based of learning classifier.This method supports the automatic search of long-term EEG recording and detection of graphoelements - signal parts with characteristic shape and defined diagnostic value. Traditional methods of detection show great variety of non-stationary EEG. The idea of this method is to break down the signal into stationary sections called segments using adaptive segmentation and create a set of normalized discriminative features are used for classification describe classes of unknown segments. The implementationof this method was experimentally verified on a real EEG with the diagnosis of epilepsy.

Druh

D - Stať ve sborníku

CEP obor

FS - Lékařská zařízení, přístroje a vybavení

OECD FORD obor

—

Projekt

<a href="/cs/project/NF7511" target="_blank" >NF7511: Automatická analýza EEG při dlouhodobém monitorování na neurologických jednotkách intenzivní péče.</a><br>

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2005

Kód důvěrnosti údajů

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

Název statě ve sborníku

Biological and Medical Data Analysis

ISBN

3-540-23964-2

ISSN

—

e-ISSN

—

Počet stran výsledku

11

Strana od-do

322-332

Název nakladatele

Springer

Místo vydání

Berlin

Místo konání akce

Barcelona

Datum konání akce

18. 11. 2004

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—