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”

Detecting Sleep Spindles Using Entropy

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21460%2F21%3A00344976" target="_blank" >RIV/68407700:21460/21:00344976 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/68407700:21730/21:00344976 RIV/00023752:_____/21:43920491

  • Výsledek na webu

    <a href="https://doi.org/10.1007/978-3-030-64610-3_41" target="_blank" >https://doi.org/10.1007/978-3-030-64610-3_41</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-030-64610-3_41" target="_blank" >10.1007/978-3-030-64610-3_41</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Detecting Sleep Spindles Using Entropy

  • Popis výsledku v původním jazyce

    Sleep spindles are bursts of brain activity during sleep. They occur during the NREM2 stage of sleep and appear as fluctuations in electric recordings, looking like yarn spindles. This increase of activity can be detected by complexity measures, the most popular of which are the entropy based estimations. In this paper, we use entropy to measure the brain activity during sleep spindle and non-spindle periods and discriminate them employing the machine learning technology. Two are the main outcomes of this work: a) we show that it is possible to achieve remarkable classification performance when detecting sleep spindles with entropy based measures and machine learning techniques, presenting classification accuracy of more than 95 % and (b) we report that bubble entropy, a recently introduced definition of entropy, presented the lowest p-value of all examined features.

  • Název v anglickém jazyce

    Detecting Sleep Spindles Using Entropy

  • Popis výsledku anglicky

    Sleep spindles are bursts of brain activity during sleep. They occur during the NREM2 stage of sleep and appear as fluctuations in electric recordings, looking like yarn spindles. This increase of activity can be detected by complexity measures, the most popular of which are the entropy based estimations. In this paper, we use entropy to measure the brain activity during sleep spindle and non-spindle periods and discriminate them employing the machine learning technology. Two are the main outcomes of this work: a) we show that it is possible to achieve remarkable classification performance when detecting sleep spindles with entropy based measures and machine learning techniques, presenting classification accuracy of more than 95 % and (b) we report that bubble entropy, a recently introduced definition of entropy, presented the lowest p-value of all examined features.

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

    2021

  • 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

    8th European Medical and Biological Engineering Conference

  • ISBN

    978-3-030-64609-7

  • ISSN

    1680-0737

  • e-ISSN

    1433-9277

  • Počet stran výsledku

    7

  • Strana od-do

    356-362

  • Název nakladatele

    Springer International Publishing

  • Místo vydání

    Cham

  • Místo konání akce

    Portorož

  • Datum konání akce

    29. 11. 2020

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku