Artifact Detection in Multichannel Sleep EEG using Random Forest Classifier

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F18%3A00328193" target="_blank" >RIV/68407700:21230/18:00328193 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/68407700:21460/18:00328193 RIV/68407700:21730/18:00328193 RIV/00216208:11120/18:43917758

Výsledek na webu

<a href="https://ieeexplore.ieee.org/document/8621374" target="_blank" >https://ieeexplore.ieee.org/document/8621374</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/BIBM.2018.8621374" target="_blank" >10.1109/BIBM.2018.8621374</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Artifact Detection in Multichannel Sleep EEG using Random Forest Classifier

Popis výsledku v původním jazyce

Detection of artifacts in sleep electroencephalography (EEG) is one of the important tasks on the preprocessing step. Despite many algorithms of artifact detection developed through years, many of them lose their benefits in sleep EEG application. This study proposes a method of artifact detection based on a classification of quasi-stationary EEG epochs with random forest classifier. The method was tested on data of three sleep stages and pre-sleep wake EEG. Results showed 16% increase in F1 for the wake and 9%, 5% and 16% for different sleep stages in comparison to a baseline. All false detection at every presented sleep stage is investigated.

Název v anglickém jazyce

Artifact Detection in Multichannel Sleep EEG using Random Forest Classifier

Popis výsledku anglicky

Detection of artifacts in sleep electroencephalography (EEG) is one of the important tasks on the preprocessing step. Despite many algorithms of artifact detection developed through years, many of them lose their benefits in sleep EEG application. This study proposes a method of artifact detection based on a classification of quasi-stationary EEG epochs with random forest classifier. The method was tested on data of three sleep stages and pre-sleep wake EEG. Results showed 16% increase in F1 for the wake and 9%, 5% and 16% for different sleep stages in comparison to a baseline. All false detection at every presented sleep stage is investigated.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20601 - Medical engineering

Projekt

<a href="/cs/project/GA17-20480S" target="_blank" >GA17-20480S: Časový kontext v úloze analýzy dlouhodobého nestacionárního vícerozměrného signálu</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2018

Kód důvěrnosti údajů

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

Název statě ve sborníku

2018 IEEE International Conference on Bioinformatics and Biomedicine (BIBM) - Proceedings

ISBN

978-1-5386-5488-0

ISSN

—

e-ISSN

—

Počet stran výsledku

3

Strana od-do

2803-2805

Název nakladatele

IEEE

Místo vydání

—

Místo konání akce

Madrid

Datum konání akce

3. 12. 2018

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—