Není k dispozici

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F04%3A03102015" target="_blank" >RIV/68407700:21230/04:03102015 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/00064211:_____/04:#0000062

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Application of Quantitative Methods of Signal Processing to Automatic Classification of Long-Term EEG Records

Popis výsledku v původním jazyce

The aim the work described in the paper has been to develop a system for processing long-term EEG recordings, especially of comatose state EEG. However with respect to the signal character, the developed approach is suitable for analysis of sleep and newborn EEG too. EEG signal can be analysed both in time and frequency domains. In time domain the basic descriptive quantities are general and central moments of lower orders, in frequency domain the most frequently used method is Fourier transform. For segmentation, combination of non-adaptive an d adaptive segmentation has been used. The approach has been tested on real sleep EEG recording for which the classification has be known. The core of the developed system is the training set on which practically depends the quality of classification. The training set containing 319 segments classified into 10 classes has been used for classification of the 2hour sleep EEG recording.

Název v anglickém jazyce

Application of Quantitative Methods of Signal Processing to Automatic Classification of Long-Term EEG Records

Popis výsledku anglicky

The aim the work described in the paper has been to develop a system for processing long-term EEG recordings, especially of comatose state EEG. However with respect to the signal character, the developed approach is suitable for analysis of sleep and newborn EEG too. EEG signal can be analysed both in time and frequency domains. In time domain the basic descriptive quantities are general and central moments of lower orders, in frequency domain the most frequently used method is Fourier transform. For segmentation, combination of non-adaptive an d adaptive segmentation has been used. The approach has been tested on real sleep EEG recording for which the classification has be known. The core of the developed system is the training set on which practically depends the quality of classification. The training set containing 319 segments classified into 10 classes has been used for classification of the 2hour sleep EEG recording.

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

2004

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

333-343

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

—