Detection of sleep stages in neonatal EEG records
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21460%2F17%3A00315842" target="_blank" >RIV/68407700:21460/17:00315842 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/68407700:21730/17:00315842 RIV/00023752:_____/17:43919192
Výsledek na webu
<a href="https://link.springer.com/chapter/10.1007/978-981-10-5122-7_63" target="_blank" >https://link.springer.com/chapter/10.1007/978-981-10-5122-7_63</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-981-10-5122-7_63" target="_blank" >10.1007/978-981-10-5122-7_63</a>
Alternativní jazyky
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.
Klasifikace
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)
Návaznosti výsledku
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)
Ostatní
Rok uplatnění
2017
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
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
—