Neonatal seizure detection using deep convolutional neural networks

La identificación de un conjunto básico de características es uno de los pasos más importantes en el desarrollo de un detector automático de ataques. En la mayoría de los estudios publicados que describen características y clasificadores de convulsiones, las características fueron diseñadas a mano,...

Descripción completa

Detalles Bibliográficos
Autores Principales: Caicedo Dorado, Alexander, Ansari, Amir H, Cherian, Perumpillichira J, Naulaers, Gunnar, De Vos, Maarten, Van Huffel, Sabine
Formato: Artículo (Article)
Lenguaje:Inglés (English)
Publicado: World Scientific and Engineering Academy and Society 2018
Materias:
Acceso en línea:https://repository.urosario.edu.co/handle/10336/26634
https://doi.org/10.1142/S0129065718500119
id ir-10336-26634
recordtype dspace
spelling ir-10336-266342020-08-19T14:47:23Z Neonatal seizure detection using deep convolutional neural networks Detección de convulsiones neonatales mediante redes neuronales convolucionales profundas Caicedo Dorado, Alexander Ansari, Amir H Cherian, Perumpillichira J Naulaers, Gunnar De Vos, Maarten Van Huffel, Sabine Redes neuronales profundas Red neuronal convolucional Detección de convulsiones neonatales Bosque aleatorio. Deep Neural Networks Convolutional Neural Network Neonatal Seizure Detection Random Forest. La identificación de un conjunto básico de características es uno de los pasos más importantes en el desarrollo de un detector automático de ataques. En la mayoría de los estudios publicados que describen características y clasificadores de convulsiones, las características fueron diseñadas a mano, lo que puede no ser óptimo. El objetivo principal del presente artículo es utilizar redes neuronales convolucionales profundas (CNN) y bosques aleatorios para optimizar automáticamente la selección y clasificación de características Identifying a basic set of characteristics is one of the most important steps in developing an automatic attack detector. In most of the published studies describing seizure characteristics and classifiers, the characteristics were designed by hand, which may not be optimal. The main objective of this article is to use deep convolutional neural networks (CNN) and random forests to automatically optimize the selection and classification of features 2018-04-02 2020-08-19T14:39:56Z info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion ISSN: 0129-0657 https://repository.urosario.edu.co/handle/10336/26634 https://doi.org/10.1142/S0129065718500119 eng info:eu-repo/semantics/restrictedAccess application/pdf World Scientific and Engineering Academy and Society International Journal of Neural Systems
institution EdocUR - Universidad del Rosario
collection DSpace
language Inglés (English)
topic Redes neuronales profundas
Red neuronal convolucional
Detección de convulsiones neonatales
Bosque aleatorio.
Deep Neural Networks
Convolutional Neural Network
Neonatal Seizure Detection
Random Forest.
spellingShingle Redes neuronales profundas
Red neuronal convolucional
Detección de convulsiones neonatales
Bosque aleatorio.
Deep Neural Networks
Convolutional Neural Network
Neonatal Seizure Detection
Random Forest.
Caicedo Dorado, Alexander
Ansari, Amir H
Cherian, Perumpillichira J
Naulaers, Gunnar
De Vos, Maarten
Van Huffel, Sabine
Neonatal seizure detection using deep convolutional neural networks
description La identificación de un conjunto básico de características es uno de los pasos más importantes en el desarrollo de un detector automático de ataques. En la mayoría de los estudios publicados que describen características y clasificadores de convulsiones, las características fueron diseñadas a mano, lo que puede no ser óptimo. El objetivo principal del presente artículo es utilizar redes neuronales convolucionales profundas (CNN) y bosques aleatorios para optimizar automáticamente la selección y clasificación de características
format Artículo (Article)
author Caicedo Dorado, Alexander
Ansari, Amir H
Cherian, Perumpillichira J
Naulaers, Gunnar
De Vos, Maarten
Van Huffel, Sabine
author_facet Caicedo Dorado, Alexander
Ansari, Amir H
Cherian, Perumpillichira J
Naulaers, Gunnar
De Vos, Maarten
Van Huffel, Sabine
author_sort Caicedo Dorado, Alexander
title Neonatal seizure detection using deep convolutional neural networks
title_short Neonatal seizure detection using deep convolutional neural networks
title_full Neonatal seizure detection using deep convolutional neural networks
title_fullStr Neonatal seizure detection using deep convolutional neural networks
title_full_unstemmed Neonatal seizure detection using deep convolutional neural networks
title_sort neonatal seizure detection using deep convolutional neural networks
publisher World Scientific and Engineering Academy and Society
publishDate 2018
url https://repository.urosario.edu.co/handle/10336/26634
https://doi.org/10.1142/S0129065718500119
_version_ 1676074299022114816
score 11,365685