机译:基于新的节奏测量自动检测脑电图信号的动态变化
Shandong Univ Key Lab High Efficiency & Clean Mech Mfg MOE Natl Demonstrat Ctr Expt Mech Engn Educ Sch Mech Engn Jinan 250061 Peoples R China|Univ Elect Sci & Technol China Sch Mech & Elect Engn Chengdu 611731 Peoples R China;
Shandong Univ Key Lab High Efficiency & Clean Mech Mfg MOE Natl Demonstrat Ctr Expt Mech Engn Educ Sch Mech Engn Jinan 250061 Peoples R China;
Shandong Univ Dept Neurol Hosp 2 Jinan Peoples R China|Shandong Univ Inst Neurol Jinan Peoples R China;
Shandong Univ Dept Neurol Hosp 2 Jinan Peoples R China|Shandong Univ Inst Neurol Jinan Peoples R China;
Change detection; EEG rhythm; Graph modeling; Time-frequency analysis;
机译:基于EEG的自动睡眠阶段检测的非线性动力学措施
机译:基于可调Q小波变换的多尺度熵测度用于癫痫脑电信号的自动分类
机译:基于可调Q小波变换的多尺度熵测度用于癫痫脑电信号的自动分类
机译:使用基于瞬时频率的节奏分离的嗜睡检测脑电图信号
机译:使用心率变异性信号的频谱和非线性动态测量来检测儿童睡眠呼吸障碍的集成信号处理环境。
机译:使用梯度提升决策树模型基于EEG信号自动检测驾驶员疲劳
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)