Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Metrology and Measurement Systems

1 2006

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: sygnały elektrogastrograficzne

Sortuj według:

Ogranicz wyniki do:

Application of SOM in classification of EGG signals

Świerczyński Z., Guszkowski T.

Metrology and Measurement Systems

2006

Vol. 13, nr 3

279-287

The report presents problems associated with computer aided gastric diagnosis. The subject of the study are electrogastrographic (EGG) signals (non-invasively measured electrical signals generated by the human stomach). The signals were digitally recorded and then parametrized, with linear autoregressive models (AR). The data and parametrization method used in the study were the same as used by the authors in the previous study; therefore here they are only shortly described. The sets of numbers, obtained by these means, were treated as information vectors, and classified with the Self Organizing Map (SOM) classifier. The structure and parameters of the algorithm used for classification of the parametrized EGG data are described. The final efficiency of the whole system (SOM classifier with the parametrization method applied), reaching 80%, is promising. It is similar to the results of other classifiers. The ways to improve the effectiveness are also outlined.

Praca przedstawia problemy związane z komputerowo wspomaganym diagnozowaniem układu pokarmowego. Obiektem badań są tutaj sygnały elektrogastrograficzne - EGG (nieinwazyjnie mierzone sygnały elektryczne generowane przez żołądek człowieka). Sygnały te zostały zarejestrowane cyfrowo a następnie poddane parametryzacji przy pomocy liniowego modelu autoregresyjnego AR. Dane oraz metoda parametryzacji użyta w przedstawionych badaniach zostały opisane w poprzednich pracach autorów, więc tutaj ujęte są jedynie w zarysie. Zestawy liczb otrzymane w wyniku parametryzacji potraktowane zostały jako wektor parametrów i sklasyfikowane przy pomocy klasyfikatora opartego na samoorganizujących się mapach (SOM). W pracy przedstawiono strukturę i parametry użytego algorytmu. Ostateczna skuteczność całego systemu (tj. klasyfikatora SOM oraz zastosowanej metody parametryzacji) wyniosła 80%, co jest wynikiem obiecującym i bardzo podobnym do tych jakie osiągnięto przy zastosowaniu innych metod klasyfikacji. Praca przedstawia również zarys metod poprawy efektywności opisanego systemu.