...
机译:利用休息状态EEG信号自动分类精神分裂症患者
Tabriz Univ Med Sci Fac Adv Med Sci Dept Med Bioengn Golgasht Ave Tabriz 51666 Iran;
Tabriz Univ Med Sci Fac Adv Med Sci Dept Med Bioengn Golgasht Ave Tabriz 51666 Iran;
Tabriz Univ Med Sci Sch Med Dept Psychiat Tabriz Iran;
Univ Tabriz Fac Elect & Comp Engn Dept Biomed Engn Daneshgah St Tabriz Iran;
Tabriz Univ Med Sci Fac Adv Med Sci Dept Med Bioengn Golgasht Ave Tabriz 51666 Iran|Tabriz Univ Med Sci Sch Med Dept Med Phys Tabriz Iran|Univ Aberdeen Sch Med Sci Dept Biomed Phys Aberdeen AB25 ZD Scotland;
Schizophrenia; Classification; Entropy; Decision support system; Feature selection;
机译:使用休息状态EEG信号自动检测轻度认知障碍患者的新框架
机译:SmartPrognisis:从心脏骤停复苏的患者中定量EEG分析的自动集合分类
机译:一种计算机化方法,用于使用EEG信号自动检测精神分裂症
机译:小波-韦尔奇方法分析精神分裂症患者的脑电信号
机译:健康对照组和精神分裂症患者静息状态脑电图的人口统计学差异
机译:自动分类人工ICA成分以去除EEG信号中的伪像
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)