CCL

Összesen 2 találat.
#/oldal:
Részletezés:
Rendezés:

1.

001-es BibID:BIBFORM103756
035-os BibID:(Cikkazonosító)11413 (WOS)000856455100001 (Scopus)85138398199
Első szerző:Pap, Iuliu Alexandru
Cím:A Review of Converging Technologies in eHealth Pertaining to Artificial Intelligence / Iuliu Alexandru Pap, Stefan Oniga
Dátum:2022
ISSN:1661-7827 1660-4601
Megjegyzések:Over the last couple of years, in the context of the COVID-19 pandemic, many healthcare issues have been exacerbated, highlighting the paramount need to provide both reliable and affordable health services to remote locations by using the latest technologies such as video conferencing, data management, the secure transfer of patient information, and efficient data analysis tools such as machine learning algorithms. In the constant struggle to offer healthcare to everyone, many modern technologies find applicability in eHealth, mHealth, telehealth or telemedicine. Through this paper, we attempt to render an overview of what different technologies are used in certain healthcare applications, ranging from remote patient monitoring in the field of cardio-oncology to analyzing EEG signals through machine learning for the prediction of seizures, focusing on the role of artificial intelligence in eHealth.
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
eHealth
mHealth
telehealth
telemedicine
remote patient monitoring
Internet of Things
brain-computer interface
artificial intelligence
machine learning
deep learning
Megjelenés:International Journal of Environmental Research and Public Health. - 19 : 18 (2022), p. 1-15. -
További szerzők:Oniga István László (1960-) (villamosmérnök)
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

2.

001-es BibID:BIBFORM092071
Első szerző:Pap, Iuliu Alexandru
Cím:Machine Learning EEG Data Analysis For eHealth IoT System / I. A. Pap, S. Oniga, A. Alexan
Dátum:2020
Megjegyzések:Through this paper we present our work on integrating electroencephalography-based machine learning elements in our eHealth Internet of Things (IoT) system by using the TensorFlow open source platform. This system is used for recording specific physiological data such as systolic and diastolic blood pressure, pulse rate, oxygen saturation in the blood, breathing intensity and rate, skin conductance and resistance, body temperature and electroencephalography (EEG) from multiple electrodes. The main focus of our current research is to experiment with brain computer interfaces towards creating an EEG-controlled device that would interpret eye movement.
ISBN:978-1-7281-7164-7
Tárgyszavak:Műszaki tudományok Informatikai tudományok előadáskivonat
könyvrészlet
brain-computer interfaces
data analysis
electroencephalography
learning (artificial intelligence)
medical signal processing
neurophysiology
signal classification
Megjelenés:Proceedings of 2020 IEEE International Conference on Automation, Quality and Testing, Robotics (AQTR) / Liviu Miclea, Szilárd Enyedi, et.al. - p. 1-4. -
További szerzők:Oniga István László (1960-) (villamosmérnök) Alexan, Anca
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Rekordok letöltése1