iPhoneAlle anzeigen
iPhone 11iPhone 11 ProiPhone 11 Pro MaxiPhone 12iPhone 12 ProiPhone 12 Pro MaxiPhone 12 miniiPhone 13iPhone 13 ProiPhone 13 Pro MaxiPhone 13 miniiPhone 14iPhone 14 PlusiPhone 14 ProiPhone 14 Pro MaxiPhone 15iPhone 15 PlusiPhone 15 ProiPhone 15 Pro MaxiPhone 16iPhone 16 PlusiPhone 16 ProiPhone 16 Pro MaxiPhone 16eiPhone 8iPhone 8 PlusiPhone SE 2020iPhone SE 2022iPhone XiPhone XRiPhone XSiPhone XS Max
Galaxy A-SerieAlle anzeigen
Galaxy A12Galaxy A13Galaxy A13 5GGalaxy A14Galaxy A15Galaxy A16Galaxy A17 5GGalaxy A20eGalaxy A21Galaxy A22Galaxy A23Galaxy A24Galaxy A25Galaxy A26 5GGalaxy A32Galaxy A33Galaxy A34Galaxy A35Galaxy A36 5GGalaxy A40Galaxy A41Galaxy A42Galaxy A50Galaxy A51Galaxy A52Galaxy A53Galaxy A54Galaxy A55Galaxy A56 5GGalaxy A70Galaxy A71Galaxy A72
Redmi SeriesAlle anzeigen
Redmi 10Redmi 13CRedmi 15 5GRedmi Note 10Redmi Note 10 ProRedmi Note 11Redmi Note 11 ProRedmi Note 11 Pro Plus 5GRedmi Note 11sRedmi Note 12Redmi Note 12 5GRedmi Note 12 ProRedmi Note 12 Pro 5GRedmi Note 12 Pro PlusRedmi Note 13Redmi Note 13 5GRedmi Note 13 ProRedmi Note 13 Pro PlusRedmi Note 14Redmi Note 14 Pro PlusRedmi Note 8Redmi Note 8 ProRedmi Note 9Redmi Note 9 Pro
- Startseite
Bücher Wissen & Bildung Naturwissenschaft, Medizin, Informatik, Technik Technik Energieeffiziente Hardwareimplementierung von Methoden des maschinellen Lernens zur Detektion epileptischer Anfälle
Derzeit nicht verfügbar
Handgeprüfte Gebrauchtware
Bis zu 50 % günstiger als neu
Der Umwelt zuliebe
Energieeffiziente Hardwareimplementierung von Methoden des maschinellen Lernens zur Detektion epileptischer Anfälle
Simon Heller (Broschiert, Deutsch)
★★★★★
☆☆☆☆☆ Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
Aufgrund ihrer Pharmakoresistenz gibt es derzeit für etwa 30 % der Epilepsiepatienten keine Behandlungsmöglichkeit, die eine Anfallsfreiheit ermöglicht. Eine neue, symptomatische Therapie könnte die Neurostimulation darstellen, die bereits erfolgreich zur Behandlung von Parkinson eingesetzt wird. Für ihre Anwendung in einem responsiven Stimulator ist eine kontinuierliche Überwachung und… Klassifikation der neuronalen Aktivität erforderlich, um die Ausbreitung eines beginnenden Anfalls möglichst frühzeitig durch eine Stimulation zu unterbrechen. In jüngerer Zeit erweisen sich dafür vor allem Methoden aus dem Bereich des maschinellen Lernens als vielversprechend, da sie trotz der Komplexität und Variation der neuronalen Aktivität und der epilepsietypischen Potenziale eine zuverlässige Detektion ermöglichen.
Im Rahmen der vorliegenden Arbeit wird untersucht, ob und wie Methoden des maschinellen Lernens energieeffizient auf der Hardwareplattform eines Neurostimulators implementiert werden können, um zum einen epileptische Anfälle sicher zu erkennen und zum anderen einen mehrjährigen Betrieb sicher zu stellen. Aufgrund der Skalierbarkeit ihrer Modellgröße und der vergleichsweise einfachen Klassifikationsalgorithmen stellen Entscheidungswälder und Konvolutionsnetze aussichtsreiche Methoden für eine Hardwareimplementierung dar.
Mit einer Detektionsrate von 100 % und einer Detektionsverzögerung von 4 s zeigen beide Methoden beste Voraussetzungen, Anfälle zuverlässig und früh genug zu erkennen, um eine erfolgreiche Intervention zu gewährleisten. Durch seine im Vergleich zum Konvolutionsnetz geringere Falschdetektionsrate (4,6 vs. 34 Falschdetektionen pro Stunde) und geringere Leistungsaufnahme (56 μW vs. 868 μW), ist der Entscheidungswald der für den Einsatz in einem Implantat zu bevorzugende Klassifikator. Dieses Produkt haben wir gerade leider nicht auf Lager.
Handgeprüfte Gebrauchtware
Bis zu 50 % günstiger als neu
Der Umwelt zuliebe
Technische Daten
Erscheinungsdatum
08.06.2022
Sprache
Deutsch
EAN
9783843950565
Herausgeber
Dr. Hut
Serien- oder Bandtitel
Mikrosystemtechnik
Sonderedition
Nein
Autor
Simon Heller
Seitenanzahl
200
Einbandart
Broschiert
Schlagwörter
Anfallsdetektion, Maschinelles Lernen, energieeffiziente Hardwareimplementierung
Thema-Inhalt
THR - Elektrotechnik
Höhe
240 mm
Breite
17 cm
-.-
★★★★★
☆☆☆☆☆ Leider noch keine Bewertungen
Leider noch keine Bewertungen
Sicher bei rebuy kaufen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!
Sicher bei rebuy kaufen