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”

Klasifikace intrapartálních kardiotokografických dat

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F08%3A03151553" target="_blank" >RIV/68407700:21230/08:03151553 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Classification Of Intrapartum Foetal Data

  • Popis výsledku v původním jazyce

    Electronic fetal monitoring - continuous recording of the cardiotocogram (CTG) -consisting of fetal heart rate (fHR) and tocographic signals, is a method used for intrapartal evaluation of the well being of the fetus. Our data set consisted of 104 intrapartum recordings including 18 pregnancies with umbilical artery pH<7,15. In this paper new method for classification of CTG features is proposed based on Group of Adaptive Models Evolution (GAME) neural network. The results of our newly proposed method show promising results with sensitivity of 75% and specificity of 77% depending on the GAME settings, which are better than those of classical k-nn or decision tree algorithm classification yielding results of less than 70% sensitivity and specificity

  • Název v anglickém jazyce

    Classification Of Intrapartum Foetal Data

  • Popis výsledku anglicky

    Electronic fetal monitoring - continuous recording of the cardiotocogram (CTG) -consisting of fetal heart rate (fHR) and tocographic signals, is a method used for intrapartal evaluation of the well being of the fetus. Our data set consisted of 104 intrapartum recordings including 18 pregnancies with umbilical artery pH<7,15. In this paper new method for classification of CTG features is proposed based on Group of Adaptive Models Evolution (GAME) neural network. The results of our newly proposed method show promising results with sensitivity of 75% and specificity of 77% depending on the GAME settings, which are better than those of classical k-nn or decision tree algorithm classification yielding results of less than 70% sensitivity and specificity

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    JC - Počítačový hardware a software

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2008

  • 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

    Analysis of Biomedical Signals and Images; Biosignal 2008 proceedings

  • ISBN

    978-80-214-3613-8

  • ISSN

    1211-412X

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

  • Název nakladatele

    VUTIUM Press

  • Místo vydání

    Brno

  • Místo konání akce

    Brno

  • Datum konání akce

    29. 6. 2008

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku