CPL - Chalmers Publication Library
| Utbildning | Forskning | Styrkeområden | Om Chalmers | In English In English Ej inloggad.

Comparing a Supervised and an Unsupervised Classification Method for Burst Detection in Neonatal EEG

Johan Löfhede (Institutionen för signaler och system, Medicinska signaler och system) ; Johan Degerman (Institutionen för signaler och system, Digitala bildsystem och bildanalys) ; Nils Löfgren ; Magnus Thordstein ; Anders Flisberg ; Ingemar Kjellmer ; Kaj Lindecrantz (Institutionen för signaler och system, Medicinska signaler och system)
Engineering in Medicine and Biology Society, 2008. EMBS 2008. 30th Annual International Conference of the IEEE (1557-170X ). p. 3836 - 3839. (2008)
[Konferensbidrag, refereegranskat]

Hidden Markov Models (HMM) and Support Vector Machines (SVM) using unsupervised and supervised training, respectively, were compared with respect to their ability to correctly classify burst and suppression in neonatal EEG. Each classifier was fed five feature signals extracted from EEG signals from six full term infants who had suffered from perinatal asphyxia. Visual inspection of the EEG by an experienced electroencephalographer was used as the gold standard when training the SVM, and for evaluating the performance of both methods. The results are presented as receiver operating characteristic (ROC) curves and quantified by the area under the curve (AUC). Our study show that the SVM and the HMM exhibit similar performance, despite their fundamental differences.

Nyckelord: EEG, classification, Burst, Suppression, Neonatal

Denna post skapades 2008-11-13. Senast ändrad 2017-10-03.
CPL Pubid: 77854


Läs direkt!

Länk till annan sajt (kan kräva inloggning)

Institutioner (Chalmers)

Institutionen för signaler och system, Medicinska signaler och system (2005-2017)
Institutionen för signaler och system, Digitala bildsystem och bildanalys (1900-2013)
Institutionen för neurovetenskap och fysiologi, sektionen för klinisk neurovetenskap och rehabilitering (2006-2016)


Medicinsk teknik
Klinisk neurofysiologi

Chalmers infrastruktur

Relaterade publikationer

Denna publikation ingår i:

The EEG of the Neonatal Brain – Classification of Background Activity