Klasifikace spánkových fází pomocí PSG dat

dc.contributor.authorKrálík, Martin
dc.contributor.authorRonzhina, Marina
dc.contributor.authorBělhrad, Miloš
dc.coverage.issue6cs
dc.coverage.volume18cs
dc.date.accessioned2023-10-09T08:46:24Z
dc.date.available2023-10-09T08:46:24Z
dc.date.issued2016-12-31cs
dc.description.abstractThis article is focused on the classification of sleep stages, using PSG data. The data used for the classification come from real patients, signals used are EEG, EOG and EMG. Extraction of classification features is focused on achieving higher than conventional temporal resolution of sleep scoring. This approach could be helpful in sleep disorders diagnostics.  Classifiers selected are artificial neural networks. Success rate of classification varies, depending on sleep phase, with W, N3 and REM phases being most successful.en
dc.description.abstractTento 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.cs
dc.formattextcs
dc.format.extent193-199cs
dc.format.mimetypeapplication/pdfen
dc.identifier.citationElektrorevue. 2016, vol. 18, č. 6, s. 193-199. ISSN 1213-1539cs
dc.identifier.issn1213-1539
dc.identifier.urihttp://hdl.handle.net/11012/214285
dc.language.isocscs
dc.publisherInternational Society for Science and Engineering, o.s.cs
dc.relation.ispartofElektrorevuecs
dc.relation.urihttp://www.elektrorevue.cz/cs
dc.rights(C) 2016 Elektrorevueen
dc.rights.accessopenAccessen
dc.titleKlasifikace spánkových fází pomocí PSG datcs
dc.title.alternativeClassification of sleep stages using PSG dataen
dc.type.driverarticleen
dc.type.statusPeer-revieweden
dc.type.versionpublishedVersionen
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
Files
Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
clanek_29_31.12.2016.pdf
Size:
922.82 KB
Format:
Adobe Portable Document Format
Description:
Collections