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”

Classification of the Tremor signal from Accelerometers and Gyroscopes in Multiple Sclerosis

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F23%3A00368717" target="_blank" >RIV/68407700:21230/23:00368717 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Classification of the Tremor signal from Accelerometers and Gyroscopes in Multiple Sclerosis

  • Popis výsledku v původním jazyce

    Tremor, an involuntary rhythmic oscillatory movement of a body part is a common problem for patients suffering from multiple sclerosis (MS). This paper aims to use accelerometric and gyroscopic measurements of postural tremor from the upper limbs to determine whether a patient suffers from MS. The used data includes signals from a group of 16 MS patients (3 males and 13 females) and a group of 18 healthy control subjects (9 males and 9 females). Methods involving neural networks were used for signal classification from the power spectral density (PSD) of the given signals. Different fully-connected neural network (FNN), convolutional neural network (CNN) and recurrent neural network (RNN) architectures were explored. The best reached results were a recall of 100% and a precision of 89%, achieved by one of the proposed CNN models.

  • Název v anglickém jazyce

    Classification of the Tremor signal from Accelerometers and Gyroscopes in Multiple Sclerosis

  • Popis výsledku anglicky

    Tremor, an involuntary rhythmic oscillatory movement of a body part is a common problem for patients suffering from multiple sclerosis (MS). This paper aims to use accelerometric and gyroscopic measurements of postural tremor from the upper limbs to determine whether a patient suffers from MS. The used data includes signals from a group of 16 MS patients (3 males and 13 females) and a group of 18 healthy control subjects (9 males and 9 females). Methods involving neural networks were used for signal classification from the power spectral density (PSD) of the given signals. Different fully-connected neural network (FNN), convolutional neural network (CNN) and recurrent neural network (RNN) architectures were explored. The best reached results were a recall of 100% and a precision of 89%, achieved by one of the proposed CNN models.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20201 - Electrical and electronic engineering

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2023

  • 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

    2023 International Conference on Applied Electronics

  • ISBN

    979-8-3503-3553-8

  • ISSN

    1803-7232

  • e-ISSN

  • Počet stran výsledku

    4

  • Strana od-do

    67-70

  • Název nakladatele

    Západočeská univerzita v Plzni

  • Místo vydání

    Plzeň

  • Místo konání akce

    Plzeň

  • Datum konání akce

    6. 9. 2023

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku