Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

2 Przegląd Elektrotechniczny

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Detection of epileptic seizures with the use of convolutional neural networks

100%

Wiszniewski P. , Kołodziej M. , Majkowski A. , Rysz A.

tom R. 99, nr 2

51--55

The purpose of the article is to investigate whether the implementation of a CNN consisting of several layers will allow the effective detection of epileptic seizures. For the research, a publicly available database registered for 4 dogs and 8 people was used. The 1-second iEEG recordings were marked by a neurophysiologist as interictal, early seizure, and seizure. A CNN was trained for each patient individually. Coefficients such as precision, AUC, sensitivity, and specificity were calculated, and the results were compared with the best algorithms published in one of the contests on the Kaggle platform. The average accuracy for the recognition of seizures using CNN is 0.921, the sensitivity is 0.850, and the specificity is 0.927. For early seizures these values are 0.825, 0.782, and 0.828, respectively.

Celem artykułu było zbadanie czy zastosowanie sieci CNN, składającej się z kilku warstw umożliwi skuteczną detekcję napadów epileptycznych. Na użytek badań zastosowano ogólnodostępną bazę danych zarejestrowaną dla 4 psów oraz 8 ludzi. Jednosekundowe zapisy sygnału iEEG zostały oznaczone przez neurofizjologa jako: międzynapadowe, wczesnonapadowe oraz napadowe. Zaproponowano strukturę sieci CNN, a następnie wytrenowano ją dla każdego pacjenta indywidualnie. Zostały wyliczone współczynniki takie jak: trafność, AUC, czułość, specyficzność. Następnie wyniki zostały porównane do osiągniętych w najlepszych algorytmach opublikowanych w konkursie na platformie Kaggle. Średnia skuteczność rozpoznawania napadów z wykorzystaniem sieci CNN wynosi 0.921, czułość 0.850, a specyficzność 0.927. Dla okresów wczesnonapadowych wartości te wynoszą odpowiednio 0.825, 0.782 i 0.828.

Platform posturographic system using polymer sensors

88%

Dziadak B. , Dudnyk V. , Jurczak M. , Wiszniewski P. , Wojtas K.

Przegląd Elektrotechniczny

2021

tom R. 97, nr 6

81--85

The aim of presented research is a system that can monitor human posture. The project is based on scaled platform and polymer ForceSensitive Resistor (FSR) to detect pressure on predetermined points of examined person’s feet and to measure change of Center of Pressure COP. The data is collected by an Arduino UNO and sent to PC via UART for further analysis and results display (stabilogram and histogram of COP) using Python. The system can be used to support the diagnosis of locomotor and balance system.

Celem prezentowanych badań jest system posturograficzny bazujący na sensorach polimerowych. System bazuje na wyskalowanej platformie z rozlokowanymi sensorami rezystancyjnymi FSR. Sensory wykrywają zmianę nacisku w określonych punktach stóp badanej osoby co umożliwia pomiar Center of Pressure COP. Akwizycja danych odbywa się za pomocą Arduino. Wizualizacja wyników którym są stabilogram i histogram trajektorii COP, przedstawiana jest w autorskiej aplikacji napisanej przy użyciu języka Python. System może być wykorzystany do wspomagania diagnostyki układu ruchowego i równowagi.