Jednoduché vyhledávání

Zpět na hledáníExploiting Graphoelements and Convolutional Neural Networks with Long Short Term Memory for Classification of the Human Electroencephalogram (2019)výskyt výsledku

Identifikační kód	RIV/68081731:_____/19:00508723
Název v anglickém jazyce	Exploiting Graphoelements and Convolutional Neural Networks with Long Short Term Memory for Classification of the Human Electroencephalogram
Druh	J - Recenzovaný odborný článek (Jimp, Jsc a Jost)
Poddruh	J/A - Článek v odborném periodiku je obsažen v databázi Web of Science společností Thomson Reuters s příznakem „Article“, „Review“ nebo „Letter“ (Jimp)
Jazyk	eng - angličtina
Vědní obor	20601 - Medical engineering
Rok uplatnění	2019
Kód důvěrnosti údajů	S - Úplné a pravdivé údaje o výsledku nepodléhající ochraně podle zvláštních právních předpisů.
Počet výskytů výsledku	4
Počet tvůrců celkem	13
Počet domácích tvůrců	6
Výčet všech uvedených jednotlivých tvůrců	Josef Halámek (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 9635351, orcid: 0000-0001-8986-796X, scopusid: 55516404100, researcherid: D-5110-2012) Pavel Jurák (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 6549845, orcid: 0000-0002-3793-5075, scopusid: 6603389016, researcherid: G-1466-2014) Petr Klimeš (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 4343689, orcid: 0000-0002-0232-9518, scopusid: 57190608172, researcherid: D-6818-2012) Petr Nejedlý (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 1781287, scopusid: 57201493834, researcherid: H-1903-2017) Filip Plešinger (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 1232150, orcid: 0000-0003-2875-3541, scopusid: 55701507400, researcherid: G-1449-2014) Ivo Viščor (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 9752595, orcid: 0000-0002-4298-3610, scopusid: 9738188600, researcherid: D-3904-2012) M. Brázdil (státní příslušnost: CZ - Česká republika) B. Brinkmann (státní příslušnost: US - Spojené státy americké) J. Cimbálník (státní příslušnost: CZ - Česká republika) V. Křemen (státní příslušnost: US - Spojené státy americké) M. Pail (státní příslušnost: CZ - Česká republika) V. Sladký (státní příslušnost: CZ - Česká republika) G. A. Worrell (státní příslušnost: US - Spojené státy americké)
Popis výsledku v anglickém jazyce	The electroencephalogram (EEG) is a cornerstone of neurophysiological research and clinical neurology. Historically, the classification of EEG as showing normal physiological or abnormal pathological activity has been performed by expert visual review. The potential value of unbiased, automated EEG classification has long been recognized, and in recent years the application of machine learning methods has received significant attention. A variety of solutions using convolutional neural networks (CNN) for EEG classification have emerged with impressive results. However, interpretation of CNN results and their connection with underlying basic electrophysiology has been unclear. This paper proposes a CNN architecture, which enables interpretation of intracranial EEG (iEEG) transients driving classification of brain activity as normal, pathological or artifactual. The goal is accomplished using CNN with long short-term memory (LSTM). We show that the method allows the visualization of iEEG graphoelements with the highest contribution to the final classification result using a classification heatmap and thus enables review of the raw iEEG data and interpret the decision of the model by electrophysiology means.
Klíčová slova oddělená středníkem	reliability
Stránka www, na které se nachází výsledek	https://www.nature.com/articles/s41598-019-47854-6
DOI výsledku	10.1038/s41598-019-47854-6
Odkaz na údaje z výzkumu	-

Údaje o výsledku v závislosti na druhu výsledku

Název periodika	Scientific Reports
ISSN	2045-2322
e-ISSN	-
Svazek periodika	9
Číslo periodika v rámci uvedeného svazku	AUG
Stát vydavatele periodika	GB - Spojené království Velké Británie a Severního Irska
Počet stran výsledku	9
Strana od-do	11383
Kód UT WoS článku podle Web of Science	000478863700032
EID výsledku v databázi Scopus	2-s2.0-85070218024
Způsob publikování výsledku	A - Open Access
Předpokládaný termín zveřejnění plného textu výsledku	-

Ostatní informace o výsledku

Předkladatel	Ústav přístrojové techniky AV ČR, v. v. i.
Dodavatel	AV0 - Akademie věd České republiky (AV ČR )
Rok sběru	2020
Specifikace	RIV/68081731:_____/19:00508723!RIV20-AV0-68081731
Datum poslední aktualizace výsledku	06.05.2020
Kontrolní číslo	192165382 ( v1.0 )

Informace o dalších výskytech výsledku dodaného stejným předkladatelem

Dodáno MŠMT v roce 2020	RIV/68081731:_____/19:00508723 v dodávce dat RIV20-MSM-68081731/01:2

Informace o dalších výskytech výsledku dodaného ostatními předkladateli

Dodáno MŠMT v roce 2020	RIV/68407700:21730/19:00332762 v dodávce dat RIV20-MSM-21730___/02:1 předkladatelem České vysoké učení technické v Praze / Český institut informatiky, robotiky a kybernetiky
Dodáno MŠMT v roce 2020	RIV/00159816:_____/19:00072517 v dodávce dat RIV20-MSM-00159816 předkladatelem Fakultní nemocnice u sv. Anny v Brně

Odkazy na výzkumné aktivity, při jejichž řešení výsledek vznikl

Podpora / návaznosti	Institucionální podpora na rozvoj výzkumné organizace