Automatic Evaluation of FHR Recordings from CTU-UHB CTG Database
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F13%3A00206694" target="_blank" >RIV/68407700:21230/13:00206694 - isvavai.cz</a>
Výsledek na webu
<a href="http://link.springer.com/chapter/10.1007%2F978-3-642-40093-3_4#page-1" target="_blank" >http://link.springer.com/chapter/10.1007%2F978-3-642-40093-3_4#page-1</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-642-40093-3_4" target="_blank" >10.1007/978-3-642-40093-3_4</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Automatic Evaluation of FHR Recordings from CTU-UHB CTG Database
Popis výsledku v původním jazyce
Fetal heart rate (FHR) provides information about fetal well-being during labor. The FHR is usually the sole direct information channel from the fetus -- undergoing the stress of labor -- to the clinician who tries to detect possible ongoing hypoxia. Forthis paper, new CTU-UHB CTG database was used to compute more than 50 features. Features came from different domains ranging from classical morphological features based on FIGO guidelines to frequency-domain and non-linear features. Features were selected using the RELIEF (RELevance In Estimating Features) technique, and classified after applying Synthetic Minority Oversampling Technique (SMOTE) to the pathological class of the data. Nearest mean classifier with adaboost was used to obtain the final results. In results section besides the direct outcome of classification the top ten ranked features are presented.
Název v anglickém jazyce
Automatic Evaluation of FHR Recordings from CTU-UHB CTG Database
Popis výsledku anglicky
Fetal heart rate (FHR) provides information about fetal well-being during labor. The FHR is usually the sole direct information channel from the fetus -- undergoing the stress of labor -- to the clinician who tries to detect possible ongoing hypoxia. Forthis paper, new CTU-UHB CTG database was used to compute more than 50 features. Features came from different domains ranging from classical morphological features based on FIGO guidelines to frequency-domain and non-linear features. Features were selected using the RELIEF (RELevance In Estimating Features) technique, and classified after applying Synthetic Minority Oversampling Technique (SMOTE) to the pathological class of the data. Nearest mean classifier with adaboost was used to obtain the final results. In results section besides the direct outcome of classification the top ten ranked features are presented.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JC - Počítačový hardware a software
OECD FORD obor
—
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2013
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
Information Technology in Bio- and Medical Informatics, ITBAM 2013
ISBN
978-3-642-40092-6
ISSN
0302-9743
e-ISSN
—
Počet stran výsledku
15
Strana od-do
47-61
Název nakladatele
Springer
Místo vydání
Heidelberg
Místo konání akce
Prague
Datum konání akce
26. 8. 2013
Typ akce podle státní příslušnosti
EUR - Evropská akce
Kód UT WoS článku
—