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”

Microsleep Classifier Using EOG Channel Recording: A Feasibility Study

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F15%3A00234350" target="_blank" >RIV/68407700:21230/15:00234350 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://link.springer.com/chapter/10.1007%2F978-3-319-22741-2_10" target="_blank" >http://link.springer.com/chapter/10.1007%2F978-3-319-22741-2_10</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-319-22741-2_10" target="_blank" >10.1007/978-3-319-22741-2_10</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Microsleep Classifier Using EOG Channel Recording: A Feasibility Study

  • Popis výsledku v původním jazyce

    The microsleeps (MS) cause many accidents and can have a huge social impact. Automated prediction or early detection of the MS states could help to monitor level of fatigue. An automated MS classifier based on the EOG signal is proposed. There were analysed 28 episodes of MS. We observed slow eye movements without rapid changes during MS episodes. An automated feature extraction and classification using EOG channels showed promising results (sensitivity 93 %, positive predictivity 57 %). To confirm thehypothesis it is crucial to extend the study and to analyse larger amount of MS data.

  • Název v anglickém jazyce

    Microsleep Classifier Using EOG Channel Recording: A Feasibility Study

  • Popis výsledku anglicky

    The microsleeps (MS) cause many accidents and can have a huge social impact. Automated prediction or early detection of the MS states could help to monitor level of fatigue. An automated MS classifier based on the EOG signal is proposed. There were analysed 28 episodes of MS. We observed slow eye movements without rapid changes during MS episodes. An automated feature extraction and classification using EOG channels showed promising results (sensitivity 93 %, positive predictivity 57 %). To confirm thehypothesis it is crucial to extend the study and to analyse larger amount of MS data.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    JC - Počítačový hardware a software

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2015

  • 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 (6th)

  • ISBN

    978-3-319-22740-5

  • ISSN

    0302-9743

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

    109-113

  • Název nakladatele

    Springer International Publishing

  • Místo vydání

    Cham

  • Místo konání akce

    Valencia

  • Datum konání akce

    3. 9. 2015

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku