SwePub
Sök i LIBRIS databas

  Utökad sökning

L773:1741 2560 OR L773:1741 2552
 

Sökning: L773:1741 2560 OR L773:1741 2552 > Automatic classific...

  • Löfhede, Johan,1978Högskolan i Borås,Institutionen Ingenjörshögskolan (författare)

Automatic classification of background EEG activity in healthy and sick neonates

  • Artikel/kapitelEngelska2010

Förlag, utgivningsår, omfång ...

  • 2010-01-14
  • IOP Publishing,2010

Nummerbeteckningar

  • LIBRIS-ID:oai:gup.ub.gu.se/110884
  • https://gup.ub.gu.se/publication/110884URI
  • https://doi.org/10.1088/1741-2560/7/1/016007DOI
  • https://research.chalmers.se/publication/110884URI
  • https://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-69638URI
  • http://kipublications.ki.se/Default.aspx?queryparsed=id:120151891URI
  • https://urn.kb.se/resolve?urn=urn:nbn:se:hb:diva-2779URI

Kompletterande språkuppgifter

  • Språk:engelska

Ingår i deldatabas

Klassifikation

  • Ämneskategori:ref swepub-contenttype
  • Ämneskategori:art swepub-publicationtype

Anmärkningar

  • QC 20120219
  • Sponsorship:Stiftelsen MargarethahemmetALFBIOPATTERN EU Network of Excellence, EU contract 508803
  • The overall aim of our research is to develop methods for a monitoring system to be used at neonatal intensive care units. When monitoring a baby, a range of different types of background activity needs to be considered. In this work, we have developed a scheme for automatic classification of background EEG activity in newborn babies. EEG from six full-term babies who were displaying a burst suppression pattern while suffering from the after-effects of asphyxia during birth was included along with EEG from 20 full-term healthy newborn babies. The signals from the healthy babies were divided into four behavioural states: active awake, quiet awake, active sleep and quiet sleep. By using a number of features extracted from the EEG together with Fisher’s linear discriminant classifier we have managed to achieve 100% correct classification when separating burst suppression EEG from all four healthy EEG types and 93% true positive classification when separating quiet sleep from the other types. The other three sleep stages could not be classified. When the pathological burst suppression pattern was detected, the analysis was taken one step further and the signal was segmented into burst and suppression, allowing clinically relevant parameters such as suppression length and burst suppression ratio to be calculated. The segmentation of the burst suppression EEG works well, with a probability of error around 4%.

Ämnesord och genrebeteckningar

Biuppslag (personer, institutioner, konferenser, titlar ...)

  • Thordstein, MagnusGothenburg University,Göteborgs universitet,Institutionen för neurovetenskap och fysiologi,Institute of Neuroscience and Physiology,University of Gothenburg,Sahlgrenska Akademin, Göteborg universitet(Swepub:gu)xthmag (författare)
  • Löfgren, Nils,1969Högskolan i Borås(Swepub:cth)nilo (författare)
  • Flisberg, Anders,1958Göteborgs universitet,University of Gothenburg,Sahlgrenska Akademin, Göteborg universitet(Swepub:gu)xflian (författare)
  • Rosa-Zurera, ManuelUniversidad de Alcala,University of Alcalá,Universidad de Alcalá (författare)
  • Kjellmer, Ingemar,1935Göteborgs universitet,University of Gothenburg,Sahlgrenska Akademin, Göteborg universitet(Swepub:gu)xkjing (författare)
  • Lindecrantz, Kaj,1951Högskolan i Borås,Karolinska Institutet,Institutionen Ingenjörshögskolan(Swepub:hb)kli (författare)
  • Högskolan i BoråsInstitutionen Ingenjörshögskolan (creator_code:org_t)

Sammanhörande titlar

  • Ingår i:Journal of Neural Engineering: IOP Publishing7:11741-25601741-2552

Internetlänk

Hitta via bibliotek

Till lärosätets databas

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy