Detection of sleep stages in neonatal EEG records

Kód výsledku v IS VaVaI

RIV/68407700:21460/17:00315842 - isvavai.cz

Nalezeny alternativní kódy

RIV/68407700:21730/17:00315842 RIV/00023752:_____/17:43919192

Výsledek na webu

https://link.springer.com/chapter/10.1007/978-981-10-5122-7_63

DOI - Digital Object Identifier

10.1007/978-981-10-5122-7_63

Jazyk výsledku

angličtina

Název v původním jazyce

Detection of sleep stages in neonatal EEG records

Popis výsledku v původním jazyce

The aim of this study is the detection of changes in sleep stages in EEG recordings in full-term and preterm newborns. We use a k-NN algorithm as a method of classification. The novelty of our approach lies in semi-automatic etalon (prototype) selection with combination of temporal analysis for sleep stages detection. The semi-automated etalon extraction includes the k-means algorithm for etalons suggestion and an expert-in-the-loop for verification of these etalons. The semi-automated approach improves significantly the time spent on the etalon selection (extraction) by the expert. The whole procedure of EEG signal processing consists of adaptive segmentation, feature extraction, semi-automatic etalon selection using k-means and expert-in-the-loop, classification using k-NN algorithm and temporal profile analysis that is able to detect the neonatal sleep stages for the full-term and even for the preterm neonates, which makes it a unique detection method.

Název v anglickém jazyce

Detection of sleep stages in neonatal EEG records

Popis výsledku anglicky

The aim of this study is the detection of changes in sleep stages in EEG recordings in full-term and preterm newborns. We use a k-NN algorithm as a method of classification. The novelty of our approach lies in semi-automatic etalon (prototype) selection with combination of temporal analysis for sleep stages detection. The semi-automated etalon extraction includes the k-means algorithm for etalons suggestion and an expert-in-the-loop for verification of these etalons. The semi-automated approach improves significantly the time spent on the etalon selection (extraction) by the expert. The whole procedure of EEG signal processing consists of adaptive segmentation, feature extraction, semi-automatic etalon selection using k-means and expert-in-the-loop, classification using k-NN algorithm and temporal profile analysis that is able to detect the neonatal sleep stages for the full-term and even for the preterm neonates, which makes it a unique detection method.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

GA17-20480S: Časový kontext v úloze analýzy dlouhodobého nestacionárního vícerozměrného signálu

Návaznosti

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

Rok uplatnění

2017

Kód důvěrnosti údajů

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

Název statě ve sborníku

IFMBE Proceedings

ISBN

978-981-10-5121-0

ISSN

1680-0737

e-ISSN

1433-9277

Počet stran výsledku

4

Strana od-do

250-253

Název nakladatele

Springer Nature Singapore Pte Ltd.

Místo vydání

—

Místo konání akce

Tampere

Datum konání akce

11. 6. 2017

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—