Comparison of Three Methods for Classifying Burst and Suppression in the EEG of Post Asphyctic Newborns
Paper i proceeding, 2007

Fisher's linear discriminant, a feed-forward neural network (NN) and a support vector machine (SVM) are compared with respect to their ability to distinguish bursts from suppression in burst-suppression electroencephalogram (EEG) signals using five features inherent in the EEG as input. The study is based on EEG signals from six full term infants who have suffered from perinatal asphyxia, and the methods have been trained with reference data classified by an experienced electroencephalographer. The results are summarized as area under the curve (AUC) values derived from receiver operating characteristic (ROC) curves for the three methods, and show that the SVM is slightly better than the others, at the cost of a higher computational complexity.

Male

Artificial Intelligence

Sensitivity and Specificity

Asphyxia Neonatorum

methods

Chronic

Reproducibility of Results

etiology

Newborn

methods

diagnosis

methods

complications

Algorithms

Classification

Pattern Recognition

Diagnosis

Humans

Brain Damage

Computer-Assisted

Automated

Electroencephalography

Infant

Biomedical Signal Processing

diagnosis

Författare

Johan Löfhede

Chalmers, Signaler och system, Signalbehandling och medicinsk teknik, Medicinska signaler och system

Forskning Andra publikationer

Magnus Thordstein

Göteborgs universitet

Anders Flisberg

Göteborgs universitet

Ingemar Kjellmer

Göteborgs universitet

Kaj Lindecrantz

Chalmers, Signaler och system, Signalbehandling och medicinsk teknik, Medicinska signaler och system

Forskning Andra publikationer

Engineering in Medicine and Biology Society, 2007. EMBS 2007. 29th Annual International Conference of the IEEE

1557-170X (ISSN)

5136 - 5139

Ämneskategorier

Medicinsk laboratorie- och mätteknik

Fysiologi

ISBN

978-1-4244-0788-0

Mer information

Skapat

2017-10-08

Feedback och support

Om du har frågor, behöver hjälp, hittar en bugg eller vill ge feedback kan du göra det här nedan. Du når oss också direkt per e-post research.lib@chalmers.se eller via telefon 031-772 3744.

Om tjänsten

Research.chalmers.se innehåller information om forskning på Chalmers, publikationer och projekt inklusive information om finansiärer och samarbetspartners.

Läs mer om tjänsten, täckningsgrad och vilka som kan se informationen

Personuppgifter och cookies

Länkar

Chalmers bibliotek
Chalmers forskning
Forskningsprojekt på chalmers.se

Chalmers tekniska högskola

412 96 GÖTEBORG
TELEFON: 031-772 10 00
WWW.CHALMERS.SE