search query: @keyword piirrevalinta / total: 6
reference: 5 / 6
« previous | next »
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 Centre

In 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

  • Aalto University staff members log on to the customer computer using the Aalto username and password.
  • Other customers log on using a shared username and password.

Opening a thesis

  • On the desktop of the customer computers, you will find an icon titled:

    Aalto Thesis Database

  • Click on the icon to search for and open the thesis you are looking for from Aaltodoc database. You can find the thesis file by clicking the link on the OEV or OEVS field.

Reading the thesis

  • You can either print the thesis or read it on the customer computer screen.
  • You cannot save the thesis file on a flash drive or email it.
  • You cannot copy text or images from the file.
  • You cannot edit the file.

Printing the thesis

  • You can print the thesis for your personal study or research use.
  • Aalto University students and staff members may print black-and-white prints on the PrintingPoint devices when using the computer with personal Aalto username and password. Color printing is possible using the printer u90203-psc3, which is located near the customer service. Color printing is subject to a charge to Aalto University students and staff members.
  • Other customers can use the printer u90203-psc3. All printing is subject to a charge to non-University members.
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
« previous | next »
INSSI