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”

Fuzzy c-Means Algorithm in Automatic Classification of EEG

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21460%2F16%3A00300918" target="_blank" >RIV/68407700:21460/16:00300918 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1007/978-3-319-33609-1_13" target="_blank" >http://dx.doi.org/10.1007/978-3-319-33609-1_13</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-319-33609-1_13" target="_blank" >10.1007/978-3-319-33609-1_13</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Fuzzy c-Means Algorithm in Automatic Classification of EEG

  • Popis výsledku v původním jazyce

    The electroencephalogram (EEG) provides markers of brain disturbances in the field of epilepsy. In short duration EEG data recordings, the epileptic graphoelements may not manifest. The visual analysis of lengthy signals is a tedious task. It is necessary to track the activity on the computer screen and to detect the epileptiform graphoelements and the other pathological activity. The automation of the process is suggested. The procedure is based on processing temporal profiles computed by means of multichannel adaptive segmentation and subsequent classification of detected signal graphoelements. The temporal profiles, function of the class membership in the course of time, reflect the dynamic EEG microstructure and may be used for visual indication of abnormal changes in the EEG using different colors. We will show that Fuzzy c-means (FCM) algorithm can be used for correct classification of epileptic pattern, creating homogeneous compact classes of significant EEG segments.

  • Název v anglickém jazyce

    Fuzzy c-Means Algorithm in Automatic Classification of EEG

  • Popis výsledku anglicky

    The electroencephalogram (EEG) provides markers of brain disturbances in the field of epilepsy. In short duration EEG data recordings, the epileptic graphoelements may not manifest. The visual analysis of lengthy signals is a tedious task. It is necessary to track the activity on the computer screen and to detect the epileptiform graphoelements and the other pathological activity. The automation of the process is suggested. The procedure is based on processing temporal profiles computed by means of multichannel adaptive segmentation and subsequent classification of detected signal graphoelements. The temporal profiles, function of the class membership in the course of time, reflect the dynamic EEG microstructure and may be used for visual indication of abnormal changes in the EEG using different colors. We will show that Fuzzy c-means (FCM) algorithm can be used for correct classification of epileptic pattern, creating homogeneous compact classes of significant EEG segments.

Klasifikace

  • Druh

    O - Ostatní výsledky

  • CEP obor

    JD - Využití počítačů, robotika a její aplikace

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2016

  • Kód důvěrnosti údajů

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