Detail
Článek
Článek online
FT
Medvik - BMČ
  • Je něco špatně v tomto záznamu ?

Sleep spindle detection using multivariate Gaussian mixture models

CR. Patti, T. Penzel, D. Cvetkovic,

. 2018 ; 27 (4) : e12614. [pub] 20171016

Jazyk angličtina Země Velká Británie

Typ dokumentu časopisecké články, práce podpořená grantem

Perzistentní odkaz   https://www.medvik.cz/link/bmc19045593

In this research study we have developed a clustering-based automatic sleep spindle detection method that was evaluated on two different databases. The databases consisted of 20 all-night polysomnograph recordings. Past detection methods have been based on subject-independent and some subject-dependent parameters, such as fixed or variable thresholds to identify spindles. Using a multivariate Gaussian mixture model clustering technique, our algorithm was developed to use only subject-specific parameters to detect spindles. We have obtained an overall sensitivity range (65.1-74.1%) at a (59.55-119.7%) false positive proportion.

Citace poskytuje Crossref.org

000      
00000naa a2200000 a 4500
001      
bmc19045593
003      
CZ-PrNML
005      
20200115091516.0
007      
ta
008      
200109s2018 xxk f 000 0|eng||
009      
AR
024    7_
$a 10.1111/jsr.12614 $2 doi
035    __
$a (PubMed)29034521
040    __
$a ABA008 $b cze $d ABA008 $e AACR2
041    0_
$a eng
044    __
$a xxk
100    1_
$a Patti, Chanakya Reddy $u School of Engineering, RMIT University, Melbourne, Vic., Australia.
245    10
$a Sleep spindle detection using multivariate Gaussian mixture models / $c CR. Patti, T. Penzel, D. Cvetkovic,
520    9_
$a In this research study we have developed a clustering-based automatic sleep spindle detection method that was evaluated on two different databases. The databases consisted of 20 all-night polysomnograph recordings. Past detection methods have been based on subject-independent and some subject-dependent parameters, such as fixed or variable thresholds to identify spindles. Using a multivariate Gaussian mixture model clustering technique, our algorithm was developed to use only subject-specific parameters to detect spindles. We have obtained an overall sensitivity range (65.1-74.1%) at a (59.55-119.7%) false positive proportion.
650    _2
$a mladiství $7 D000293
650    _2
$a dospělí $7 D000328
650    _2
$a algoritmy $7 D000465
650    _2
$a shluková analýza $7 D016000
650    _2
$a sběr dat $x metody $7 D003625
650    12
$a databáze faktografické $7 D016208
650    _2
$a elektroencefalografie $x metody $7 D004569
650    _2
$a ženské pohlaví $7 D005260
650    _2
$a lidé $7 D006801
650    _2
$a mužské pohlaví $7 D008297
650    _2
$a multivariační analýza $7 D015999
650    _2
$a normální rozdělení $7 D016011
650    _2
$a polysomnografie $x metody $7 D017286
650    _2
$a spánek $x fyziologie $7 D012890
650    _2
$a mladý dospělý $7 D055815
655    _2
$a časopisecké články $7 D016428
655    _2
$a práce podpořená grantem $7 D013485
700    1_
$a Penzel, Thomas $u Interdisciplinary Sleep Centre at Charite Universitaetsmedizin Berlin, Berlin, Germany. International Clinical Research Center, St Anne's University Hospital Brno, Brno, Czech Republic.
700    1_
$a Cvetkovic, Dean $u School of Engineering, RMIT University, Melbourne, Vic., Australia.
773    0_
$w MED00002940 $t Journal of sleep research $x 1365-2869 $g Roč. 27, č. 4 (2018), s. e12614
856    41
$u https://pubmed.ncbi.nlm.nih.gov/29034521 $y Pubmed
910    __
$a ABA008 $b sig $c sign $y a $z 0
990    __
$a 20200109 $b ABA008
991    __
$a 20200115091849 $b ABA008
999    __
$a ok $b bmc $g 1483861 $s 1084266
BAS    __
$a 3
BAS    __
$a PreBMC
BMC    __
$a 2018 $b 27 $c 4 $d e12614 $e 20171016 $i 1365-2869 $m Journal of sleep research $n J Sleep Res $x MED00002940
LZP    __
$a Pubmed-20200109

Najít záznam

Citační ukazatele

Možnosti archivace