Nanjing University of Aeronautics and Astronautics Department of Biomedical Engineering Jiangsu Nanjing China 211106;
Electroencephalography; Software; Data visualization; Brain; Matlab; Fatigue; Electrodes;
机译:使用脑电图数据进行脑功能表征的图形分析和可视化
机译:基于脑电站的功能性脑网络的最短路径的网络分析来表征人脑的认知负荷状态
机译:基于EEG的归类方法,用于估计功能性脑连接网络:应用于新生EEG癫痫发作的分析
机译:基于EEG的大脑功能多参数可视化技术研究
机译:基于快速脑电图绘制人脑功能的方法。
机译:基于脑电图的癫痫和PNES分类:脑电图的微状态和功能性大脑网络功能
机译:EEG信号在EMD域S. S. Shafiul Alam,S中的非线性动力学使用非线性动力学。 M. Shafiul Alam,Aurangozeb和Syed Tarekshahriar摘要 - 基于EMD Chaos的方法,提出了对应于健康人的EEG信号,癫痫发作期间的癫痫患者和Seizureattacks。脑电图(EEG)首先被凭经上分解为内在模式功能(IMF)。这些IMF的非线性动力学在最大范围的指数(LLE)和相关尺寸(CD)方面是量化的。本域中的混沌分析应用于与健康人相对应的大型脑电图(Asepileptic患者)(两者都有癫痫发作)。因此,所获得的LLE和CD表展的价值可以从EMD领域的其他EEG信号中清晰地区分脑电图的表达展示。本拟议的方法可以帮助研究人员以预测癫痫发作的癫痫发作技术。索引术语 - 脑电图(EEG),仿真态分解(EMD),最大的Lyapunov指数(LLE),相关维度(CD),癫痫发作。作者与电气电子和电子工程公司,孟加拉国工程和技术大学,孟加拉国达卡 - 1000(电子邮件:imamul@eee.buet.ac.bd)pdf cite:s. m. shafiul Alam,s。 M. Shafiul Alam,Aurangozeb和Syed Tarek Shahriar,“EEG信号歧视在EMD领域的非线性动态,”计算机电气工程卷国际杂志。 4,不。 3,pp。326-330,2012,上一篇论文对情绪的看法,使用建设性的学习言论下一篇论文物理层障碍意识到OVPN连接选择机制版权所有©2008-2013。国际计算机科学与信息技术协会出版社(IACSIT Press)
机译:神经认知功能与先进磁共振成像(mRI),脑电图(EEG)在创伤性脑损伤患者中的相关性研究:神经认知功能和先进的mRI和脑电图。