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 |
---|