haku: @keyword luokittelutarkkuuden estimointi / yhteensä: 2
viite: 1 / 2
« edellinen | seuraava »
Tekijä: | Viiperi, Sampo |
Työn nimi: | Feature selection for the purpose of segmentation of polysomnograms in subjects with developmental brain disorders |
Piirrevalinta kehitysvammaisten unenaikaisten polygrafiarekisteröintien segmentointia varten | |
Julkaisutyyppi: | Diplomityö |
Julkaisuvuosi: | 2003 |
Sivut: | 99 Kieli: eng |
Koulu/Laitos/Osasto: | Sähkö- ja tietoliikennetekniikan osasto |
Oppiaine: | Informaatiotekniikka (T-61) |
Valvoja: | Kaski, Samuel |
Ohjaaja: | Joutsiniemi, Sirkka-Liisa |
OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa. Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/ Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.
Kirjautuminen asiakaskoneille
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
Sijainti: | P1 Ark S80 | Arkisto |
Avainsanat: | sleep staging feature selection analyzing sleep stages estimation of classification accuracy unen luokittelu piirrevalinta univaiheiden analyysi luokittelutarkkuuden estimointi |
Tiivistelmä (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 tietueen numero: 19974
+ lisää koriin
« edellinen | seuraava »
INSSI