Wards Clustering Method for Distinction Between Neonatal Sleep Stages

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F09%3A00158660" target="_blank" >RIV/68407700:21230/09:00158660 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/68407700:21460/09:00158660

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Wards Clustering Method for Distinction Between Neonatal Sleep Stages

Popis výsledku v původním jazyce

A robust, automated classification system for polysomnographic (PSG) data targeted to the newborn sleep stage identification is presented. The problem of polysomnographic signal classification is very often difficult because of artifacts and noise. Furthermore, for each signal, a special classification method for each particular type of segment must be mostly used. This paper proposes fully unsupervised approach using adaptive segmentation, appropriate features extraction and hierarchical clustering (Ward's minimumvariance method is used). The mutual information concept was applied to results of hierarchical clustering. The proposed procedure was tested on real neonatal data. All sleep states were successfully separated by a combination of EEG, EMG, EOG, PNG and ECG channels.

Název v anglickém jazyce

Wards Clustering Method for Distinction Between Neonatal Sleep Stages

Popis výsledku anglicky

A robust, automated classification system for polysomnographic (PSG) data targeted to the newborn sleep stage identification is presented. The problem of polysomnographic signal classification is very often difficult because of artifacts and noise. Furthermore, for each signal, a special classification method for each particular type of segment must be mostly used. This paper proposes fully unsupervised approach using adaptive segmentation, appropriate features extraction and hierarchical clustering (Ward's minimumvariance method is used). The mutual information concept was applied to results of hierarchical clustering. The proposed procedure was tested on real neonatal data. All sleep states were successfully separated by a combination of EEG, EMG, EOG, PNG and ECG channels.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/1ET101210512" target="_blank" >1ET101210512: Inteligentní metody pro vyhodnocování dlouhodobých EEG záznamů</a><br>

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2009

Kód důvěrnosti údajů

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

Název statě ve sborníku

World Congress on Medical Physics and Biomedical Engineering, September 7 - 12, 2009, Munich, Germany

ISBN

978-3-642-03897-6

ISSN

1680-0737

e-ISSN

—

Počet stran výsledku

4

Strana od-do

—

Název nakladatele

Springer Science+Business Media

Místo vydání

Berlin

Místo konání akce

Mnichov

Datum konání akce

7. 9. 2009

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—