MétaCan
Menu
Retour à la cohorte
Enregistrement W2021305803 · doi:10.1109/jbhi.2013.2263198

Dynamic Dictionary for Combined EEG Compression and Seizure Detection

2013· article· en· W2021305803 sur OpenAlexafffund
Hoda Daou, Fabrice Labeau

Notice bibliographique

RevueIEEE Journal of Biomedical and Health Informatics · 2013
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensMcGill University
Organismes subventionnairesMcGill University
Mots-clésComputer scienceElectroencephalographySet partitioning in hierarchical treesRedundancy (engineering)Pattern recognition (psychology)Artificial intelligenceData compressionSpeech recognitionCompression ratioWaveletWavelet transformDimension (graph theory)Discrete wavelet transformCompression (physics)Mathematics

Résumé

récupéré en direct d'OpenAlex

A novel technique for real-time electroencephalogram (EEG) compression is proposed in this paper. This technique makes use of the redundancy between the different frequency subbands present in EEG segments of one channel. It uses discrete wavelet transform (DWT) and dynamic reference lists to compute and send the decorrelated subband coefficients. Set partitioning in hierarchical trees (SPIHT) is also used as source coder. Experimental results showed that the proposed method can not only compress EEG channels in one dimension (1- D), but also detect seizure-like activity. A diagnostics-oriented performance assessment was performed to evaluate the performance of both the compression and detection capabilities of the proposed method. In this paper, we show that the algorithm can positively detect seizure sections in the recordings at bitrates down to 2 bits per sample.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,903
Score d'incertitude au seuil0,220

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,028
Tête enseignante GPT0,311
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Biomedical and Health InformaticsMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207