2D Numerical Dataset for Microwave SVM-Based Brain Stroke Classification

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21460%2F23%3A00369238" target="_blank" >RIV/68407700:21460/23:00369238 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/PIERS59004.2023.10221426" target="_blank" >http://dx.doi.org/10.1109/PIERS59004.2023.10221426</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/PIERS59004.2023.10221426" target="_blank" >10.1109/PIERS59004.2023.10221426</a>

Jazyk výsledku

angličtina

Název v původním jazyce

2D Numerical Dataset for Microwave SVM-Based Brain Stroke Classification

Popis výsledku v původním jazyce

In this study, we investigated microwave stroke detection and classification using machine learning algorithms. To obtain large datasets with high data variability, we utilized two distinct 2D numerical models. Next, we employed PCA to reduce the data dimensions and evaluated classification performance of six different machine learning algorithms. Additionally, we investigated the impact of the way how the matching medium is placed in front of the antennas, which enhanced the variability of the principal components. Despite this improvement, we observed only a slight increase in the accuracy of stroke classification.

Název v anglickém jazyce

2D Numerical Dataset for Microwave SVM-Based Brain Stroke Classification

Popis výsledku anglicky

In this study, we investigated microwave stroke detection and classification using machine learning algorithms. To obtain large datasets with high data variability, we utilized two distinct 2D numerical models. Next, we employed PCA to reduce the data dimensions and evaluated classification performance of six different machine learning algorithms. Additionally, we investigated the impact of the way how the matching medium is placed in front of the antennas, which enhanced the variability of the principal components. Despite this improvement, we observed only a slight increase in the accuracy of stroke classification.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20601 - Medical engineering

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2023

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedigs of PIERS 2023 in Prague

ISBN

—

ISSN

1559-9450

e-ISSN

1559-9450

Počet stran výsledku

7

Strana od-do

1705-1711

Název nakladatele

Electromagnetics Academy

Místo vydání

Cambridge

Místo konání akce

Praha

Datum konání akce

3. 7. 2023

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—