...
机译:脑电聚焦信号的表征:综述
Ngee Ann Polytech, Dept Elect & Comp Engn, Singapore 599489, Singapore;
SASTRA Univ, Dept Elect & Instrumentat, Thanjavur, India;
Singapore Univ Social Sci, Sch Sci & Technol, Dept Biomed Engn, Singapore, Singapore;
Taylors Univ, Fac Hlth & Med Sci, Sch Med, Subang Jaya, Malaysia;
Columbia Univ, Dept Med, New York, NY 10027 USA;
Computer-aided detection system; Electroencephalogram signals; Epilepsy; Focal; Non-focal;
机译:使用混合特征和支持向量机的焦点和非焦点脑电图信号的分类和辨别
机译:使用源自经验小波变换节奏的非线性特征检测焦点和非焦点脑电图信号
机译:Jacobi多项式转换基于焦点和非焦点EEG信号的熵措施,使用内核机器辨别
机译:非局灶性和局灶性脑电信号的分类使用本地二进制模式
机译:脑电图和功能性MRI记录对人类局灶性癫痫发作的发作间放电的共定位。
机译:Multiscale置换LEMPEL-ZIV复杂度测量生物医学信号分析:焦点EEG信号的解释和应用
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)