Detail publikace

Klasifikace spánkových fází pomocí PSG dat

KRÁLÍK, M. RONZHINA, M. BĚLEHRAD, M.

Originální název

Klasifikace spánkových fází pomocí PSG dat

Český název

Klasifikace spánkových fází pomocí PSG dat

Typ

článek v časopise - ostatní, Jost

Jazyk

cs

Originální abstrakt

Tento článek je zaměřen na klasifikaci spánkových fází za použití polysomnografických dat. Data použitá pro klasifikaci pocházejí od reálných pacientů, použity jsou signály EEG, EOG a EMG. Extrakce klasifikačních příznaků probíhá tak, aby bylo dosaženo vyššího než konvenčního časového rozlišení pro skórování spánku, což by mohlo pomoci diagnostikovat některé choroby spojené se spánkem. Jako klasifikátor jsou zvoleny umělé neuronové sítě. Dosažená úspěšnost klasifikace se pak liší v závislosti na spánkové fázi, s vyššími hodnotami úspěšnosti pro fáze W, N3 a REM.

Český abstrakt

Tento článek je zaměřen na klasifikaci spánkových fází za použití polysomnografických dat. Data použitá pro klasifikaci pocházejí od reálných pacientů, použity jsou signály EEG, EOG a EMG. Extrakce klasifikačních příznaků probíhá tak, aby bylo dosaženo vyššího než konvenčního časového rozlišení pro skórování spánku, což by mohlo pomoci diagnostikovat některé choroby spojené se spánkem. Jako klasifikátor jsou zvoleny umělé neuronové sítě. Dosažená úspěšnost klasifikace se pak liší v závislosti na spánkové fázi, s vyššími hodnotami úspěšnosti pro fáze W, N3 a REM.

Klíčová slova

polysomnografie; skórování spánku; klasifikační příznaky; umělé neuronové sítě

Vydáno

31.12.2016

Nakladatel

Vysoké Učení Technické v Brně

Místo

Brno, Česká republika

Strany od

1

Strany do

7

Strany počet

7

BibTex


@article{BUT127676,
  author="Martin {Králík} and Marina {Ronzhina} and Miloš {Bělehrad}",
  title="Klasifikace spánkových fází pomocí PSG dat",
  annote="Tento článek je zaměřen na klasifikaci spánkových fází za použití polysomnografických dat. Data použitá pro klasifikaci pocházejí od reálných pacientů, použity jsou signály EEG, EOG a EMG. Extrakce klasifikačních příznaků probíhá tak, aby bylo dosaženo vyššího než konvenčního časového rozlišení pro skórování spánku, což by mohlo pomoci diagnostikovat některé choroby spojené se spánkem. Jako klasifikátor jsou zvoleny umělé neuronové sítě. Dosažená úspěšnost klasifikace se pak liší v závislosti na spánkové fázi, s vyššími hodnotami úspěšnosti pro fáze W, N3 a REM.",
  address="Vysoké Učení Technické v Brně",
  chapter="127676",
  howpublished="online",
  institution="Vysoké Učení Technické v Brně",
  number="11/2016",
  year="2016",
  month="december",
  pages="1--7",
  publisher="Vysoké Učení Technické v Brně",
  type="journal article - other"
}