About the impact of informative features selection in the mutually orthogonal decompositions of biomedical signals for their recognition

Shulyak, Alexander; Shachykov, Andrii

doi:10.1109/elnano.2016.7493054

Cited by 4 publications

(3 citation statements)

References 1 publication

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Дослідження [11,12,13,14,15,16,17,18,19,20] [21] підтвердили продуктивність використання характеристик форми сигналів та критерію оцінки їх близькості у вигляді скалярного добутку, який виражає кореляцію форми сигналів [11].…”

Section: вступunclassified

“…Характеристика форми сигналів, представлених у вигляді послідовності відліків на рівнодискретній сітці часу, в найпростішому випадку являє собою [12,13,14,15,16,17,18,19,20,21] ту ж саму послідовність відліків, позбавлену постійної складової, яка змінює співвідношення відліків сигналів і ускладнює їх розпізнавання, і додатково пронормовану по інтенсивності для виключення впливу енергії сигналів [11] на коректність їх порівняння.…”

Section: вступunclassified

See 1 more Smart Citation

The Choice of Boundaries for Scales of Biomedical Signals in the Recognition Algorithms

Lahutin¹,

Syrotenko²,

Shachikov³

et al. 2020

Mìkrosist. elektron. akust.

View full text Add to dashboard Cite

Кафедра електронної інженерії ee.kpi.ua Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» kpi.ua Київ, Україна Анотація-Робота спрямована на вдосконалення процедур розпізнавання медико-біологічних сигналів в системах, що навчаються з учителем, в напрямку підвищення рівня правильності рішень, які приймаються. Запропоновано шість модифікацій розпізнавальних алгоритмів з поданням сигналів в нормованих шкалах їх змін, в яких реалізовані спільний і роздільний варіанти вибору меж цих шкал на навчальних вибірках сигналів різних класів. Побудовано процедури порівняння сигналів з еталонами і прийняття рішень з підгонкою еталонів під сигнали і без неї. Модифікації розпізнавальних процедур реалізовані і досліджені в середовищі MATLAB ®. Підтверджена їх працездатність. Спроможність розробок підтверджена розрахунками на контрольних вибірках в тестовому прикладі. Виявлено підвищення значень статистичних оцінок чутливості, специфічності і загальної валідності рішень з розпізнавання сигналів при переході до нормованих шкалам змін їх значень в порівнянні з варіантом використання звичайних шкал значень для опису процесів, що спостерігаються. Ключові слова-медико-біологічні сигнали; розпізнавальні алгоритми; навчання з учителем; шкали змін значень.

show abstract

Section: вступunclassified

The Choice of Boundaries for Scales of Biomedical Signals in the Recognition Algorithms

Lahutin¹,

Syrotenko²,

Shachikov³

et al. 2020

Mìkrosist. elektron. akust.

View full text Add to dashboard Cite

show abstract

“…The most important criterion for the effectiveness of the refinement of recognition algorithms, their improvement, and the adjustment of recognition structures are the assessments of the resulting validity, the adequacy of their solutions, which are determined during testing using the same databases [1][2][3][4][5][10][11][12][13][14][15][16][17][18].…”

Section: Introductionmentioning

confidence: 99%

Detalization of Recognition Algorithms in Diagnosing Patients and Evaluating Their Effectiveness

Shulyak¹,

Mnevets²

2022

Bull. Kyiv Polytech. Inst. Ser. Instrum. Mak.

View full text Add to dashboard Cite

The issues of detailing recognition algorithms in order to increase the validity of their solutions in diagnosing patients are considered using the example of processing nephrology data. The training of algorithms with a teacher is implied. Procedures for detailing complexes of clinical signs and criteria for comparing such complexes in decision-making are proposed. This means dividing these objects into elements, extracting additional information for them from a priori and current data, and taking them into account in algorithms. Research in the work was focused on the development of software tools for detecting and evaluating additional reserves and opportunities for improving the quality of decisions of recognition procedures by extracting additional useful information from a priori and current data and using them in the process of detailing decision-making procedures. On a specific algorithm, various approaches to such detailing and to the study of its effectiveness were analyzed. Such detailing can be built on the basis of using the experience of clinical practice of observation of patients and their diagnosis in the form of training samples of symptom complexes and (or) observed signals in clinical cases with reliably confirmed diagnoses in the relevant databases. Detailing these algorithmic procedures can lead to the emergence of a multi variance of possible solutions for differently detailed algorithms and require the use of additional procedures for generating a generalizing conclusion based on the results of their mutual consultation. The order and results of detailing are demonstrated in the MatLab environment on two modifications of the proposed algorithm. The introduction reveals the relevance and content of the research. Section 1 reveals the composition of a priori patient data in demo examples and the information that is extracted from them at the training stage. Section 2 proposes two modifications of the algorithm to detalize it. Section 3 proposes software procedures for the statistical evaluation of the performance of the detalization of the algorithms under study. Section 4 describes the refinement of algorithms by introducing weights into the decision criterion, taking into account the spread of values of clinical signs. Section 5 demonstrates the detalization of the algorithms taking into account the information content of the features. The conclusions summarize the results of the work. In general, they are positive.

show abstract

Modifications of recognition procedures of biomedical signals using shape characteristics for their description and in decision criteria

Shulyak

Saurova

Shachykov

et al. 2020

2020 IEEE 40th International Conference on Electronics and Nanotechnology (ELNANO)

View full text Add to dashboard Cite

About the impact of informative features selection in the mutually orthogonal decompositions of biomedical signals for their recognition

Cited by 4 publications

References 1 publication

The Choice of Boundaries for Scales of Biomedical Signals in the Recognition Algorithms

The Choice of Boundaries for Scales of Biomedical Signals in the Recognition Algorithms

Detalization of Recognition Algorithms in Diagnosing Patients and Evaluating Their Effectiveness

Modifications of recognition procedures of biomedical signals using shape characteristics for their description and in decision criteria

Contact Info

Product

Resources

About