Počet záznamů: 1  

Neuroinformatic Databases and Mining of Knowledge of Them

  1. 1.
    0088986 - ÚI 2008 RIV CZ eng M - Část monografie knihy
    Coufal, David - Šebesta, Václav
    GUHA Method Analysis of Burg's and Welch's EEG Signals Spectrograms.
    [Analýza Burgových a Welchových EEG spekter metodou GUHA.]
    Neuroinformatic Databases and Mining of Knowledge of Them. Prague: Czech Technical University, 2007 - (Novák, M.), s. 234-246. Edice monografií NNW, 7. ISBN 978-80-87136-01-0
    Grant CEP: GA MŠMT ME 701
    Výzkumný záměr: CEZ:AV0Z10300504
    Klíčová slova: EEG spectrograms analysis * micro-sleep detection * data-mining
    Kód oboru RIV: IN - Informatika

    The paper presents results of GUHA method analyses of electroencephalographic spectrograms (EEG spectrograms). The goal of analyses is to detect those characteristics in EEG spectrograms which are significantly related to hazardous episodes in car driver's attention. Namely, we are interested in the micro-sleeps detection on the basis of scan and analysis of an EEG signal measured on driver's head. The presented research postpones and refines our previous research in this area due to the introduction of new, more extensive experimental data set of EEG records; and employment of Burg's and Welch's transformations from time to frequency domain. Obtained results are promising since we are able to identified factors that discriminate hazardous states from non-hazardous ones.

    V článku jsou referovány výsledky analýz EEG spekter metodou GUHA. Cílem analýz je detekce takových charakteristik EEG spekter, které statisticky významně souvisejí se stavy nebezpečného poklesu pozornosti řidiče. Konkrétně se zabýváme detekcí mikrospánků u řidičů automobilů na základě záznamu a analýzy EEG signálu měřeného na temeni hlavy řidiče. Výsledky prezentované v článku navazují na předchozí výzkum prováděný v této oblasti. Díky zpracování nových experimentálních dat a využití Burgovy a Welchovi transformace byly detekovány nové charakteristiky EEG spekter, které umožňují zlepšit přesnost detekce nebezpečných stavů v pozornosti řidiče.

    Trvalý link: http://hdl.handle.net/11104/0150348

     
     
Počet záznamů: 1  

  Tyto stránky využívají soubory cookies, které usnadňují jejich prohlížení. Další informace o tom jak používáme cookies.