Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference · 2007
Comparison of three methods for classifying burst and suppression in the EEG of post asphyctic newborns.
Сравнительное исследованиеОценочное исследованиеСтатьяПоддержка исследования: вне правительства СШАНазвание и аннотация: Перевод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Löfhede J, Löfgren N, Thordstein M, Flisberg A, Kjellmer I, Lindecrantz K
Аннотация
Fisher's linear discriminant, a feed-forward neural network (NN) and a support vector machine (SVM) are compared with respect to their ability to distinguish bursts from suppression in burst-suppression electroencephalogram (EEG) signals using five features inherent in the EEG as input. The study is based on EEG signals from six full term infants who have suffered from perinatal asphyxia, and the methods have been trained with reference data classified by an experienced electroencephalographer. The results are summarized as area under the curve (AUC) values derived from receiver operating characteristic (ROC) curves for the three methods, and show that the SVM is slightly better than the others, at the cost of a higher computational complexity.