Optimization of an NLEO-based algorithm for automated detection of spontaneous activity transients in early preterm EEG

Kirsi Palmu*, Nathan J. Stevenson, Sverre Wikström, Lena Hellström-Westas, Sampsa Vanhatalo, J. Matias Palva

*Tämän työn vastaava kirjoittaja

    Tutkimustuotos: LehtiartikkeliArticleScientificvertaisarvioitu

    39 Sitaatiot (Scopus)

    Abstrakti

    We propose here a simple algorithm for automated detection of spontaneous activity transients (SATs) in early preterm electroencephalography (EEG). The parameters of the algorithm were optimized by supervised learning using a gold standard created from visual classification data obtained from three human raters. The generalization performance of the algorithm was estimated by leaveone-out cross-validation. The mean sensitivity of the optimized algorithm was 97% (range 91-100%) and specificity 95% (76-100%). The optimized algorithm makes it possible to systematically study brain state fluctuations of preterm infants.

    AlkuperäiskieliEnglanti
    JulkaisuPhysiological Measurement
    Vuosikerta31
    Numero11
    DOI - pysyväislinkit
    TilaJulkaistu - marraskuuta 2010
    OKM-julkaisutyyppiA1 Julkaistu artikkeli, soviteltu

    Sormenjälki Sukella tutkimusaiheisiin 'Optimization of an NLEO-based algorithm for automated detection of spontaneous activity transients in early preterm EEG'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

    Siteeraa tätä