search query: @keyword piirrevalinta / total: 6
reference: 5 / 6
Author: | Viiperi, Sampo |
Title: | Feature selection for the purpose of segmentation of polysomnograms in subjects with developmental brain disorders |
Piirrevalinta kehitysvammaisten unenaikaisten polygrafiarekisteröintien segmentointia varten | |
Publication type: | Master's thesis |
Publication year: | 2003 |
Pages: | 99 Language: eng |
Department/School: | Sähkö- ja tietoliikennetekniikan osasto |
Main subject: | Informaatiotekniikka (T-61) |
Supervisor: | Kaski, Samuel |
Instructor: | Joutsiniemi, Sirkka-Liisa |
OEVS: | Electronic archive copy is available via Aalto Thesis Database.
Instructions Reading digital theses in the closed network of the Aalto University Harald Herlin Learning CentreIn the closed network of Learning Centre you can read digital and digitized theses not available in the open network. The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/ You can read theses on the Learning Centre customer computers, which are available on all floors.
Logging on to the customer computers
Opening a thesis
Reading the thesis
Printing the thesis
|
Location: | P1 Ark S80 | Archive |
Keywords: | sleep staging feature selection analyzing sleep stages estimation of classification accuracy unen luokittelu piirrevalinta univaiheiden analyysi luokittelutarkkuuden estimointi |
Abstract (fin): | Unen luokitusta tarvitaan monilla lääketieteen aloilla. Esimerkiksi unihäiriöiden diagnosointi olisi mahdotonta ilman unen luokittelua, ja unien luokittelua tarvitaan myös monilla muilla kliinisen neurofysiologian alueilla. Unen luokittelu tehdään yleensä Rechtschaffenin ja Kalesin kehittämien sääntöjen mukaan. Tämä standardimenetelmä on ollut yleisesti käytössä unitutkimuksessa vuosien ajan. Luokittelua varten tarvitaan EEG-, EMG- ja EOG-signaaleita, jotka tallennetaan. Näiden signaalien perusteella uni sitten luokitellaan eri luokkiin pätkittäin. Koska luokittelu tehdään manuaalisesti, yhdenkin yön luokittelu kestää tunteja. Tämän vuoksi on tärkeää kehittää luotettava järjestelmä unen luokitteluun tietokoneilla. Lähes kaikki tähän mennessä tehdyt automaattiset järjestelmät ovat käsitelleet vain terveiden ihmisten unta. Jos järjestelmän halutaan olla mahdollisimman luotettava, sen tulee toimia myös niiden ihmisten kanssa, joilla on poikkeavuuksia unessa, esimerkiksi kehitysvammaisten kanssa. Tässä työssä käytetään myös unihäiriöisten unitallenteita. Tässä työssä käytetään monia kirjallisuudesta löytyviä piirteitä ja piirrevalinta-algoritmeja parhaimpien piirrejoukkojen löytämiseksi. Unitilojen ja niiden välisten siirtymien visualisointia varten työssä käytettiin itseorganisoituvaa karttaa, jolla myös valittujen piirrejoukkojen teho järjestää tilat kartalla mielekkäisiin segmentteihin tarkistettiin. Piirrevalinta-algoritmien avulla piirteiden määrä saatiin pienennettyä alkuperäisestä kymmeneen luokittelutarkkuuden kärsimättä. Valituilla piirteillä saavutettiin 60 prosentin luokittelutarkkuus. Luokittelutarkkuus kehitysvammaisille (alle 60%) oli huomattavasti alempi kuin terveille (70-80%). |
ED: | 2003-09-16 |
INSSI record number: 19974
+ add basket
INSSI