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”

Selection of Electroencephalogram Channels Based on Relevance of the Contained Information

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F14%3A00218579" target="_blank" >RIV/68407700:21230/14:00218579 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://radio.feld.cvut.cz/conf/poster2014/" target="_blank" >http://radio.feld.cvut.cz/conf/poster2014/</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Selection of Electroencephalogram Channels Based on Relevance of the Contained Information

  • Popis výsledku v původním jazyce

    Sophisticated analysis of intracranial elec-troencephalograms (iEEG) is time consuming process due to large amount of data. This paper presents possibility of channels number reduction based on their information value. We show feature extraction methodsused for deter-mining presence of pathologies in signal. Whole process is tested on both real iEEG and surrogate data with injected pathological patterns. Methods of unsupervised classifica-tion are discussed and the classification based on euclidean distance in multidimensional space is tested. The results of classification are promising and their improvement will be main focus of the future research.

  • Název v anglickém jazyce

    Selection of Electroencephalogram Channels Based on Relevance of the Contained Information

  • Popis výsledku anglicky

    Sophisticated analysis of intracranial elec-troencephalograms (iEEG) is time consuming process due to large amount of data. This paper presents possibility of channels number reduction based on their information value. We show feature extraction methodsused for deter-mining presence of pathologies in signal. Whole process is tested on both real iEEG and surrogate data with injected pathological patterns. Methods of unsupervised classifica-tion are discussed and the classification based on euclidean distance in multidimensional space is tested. The results of classification are promising and their improvement will be main focus of the future research.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    JA - Elektronika a optoelektronika, elektrotechnika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2014

  • 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

    POSTER 2014 - 18th International Student Conference on Electrical Engineering

  • ISBN

    978-80-01-05499-4

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

  • Název nakladatele

    Czech Technical University

  • Místo vydání

    Prague

  • Místo konání akce

    Praha

  • Datum konání akce

    15. 5. 2014

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku