机译:基于EMD的昏迷和准脑死亡患者的EEG数据分析
anSaitama Institute of Technology, Saitama 369-0293, Japan,nbnEast China University of Sciencenand Technology, Shanghai 200237, China,ncnTokyo University of Agriculture and Technology,nTokyo 184-8588, Japan,ndnBrain Science Institute, RIKEN, Saitama 351-0198, Japan,nenHuadong Hospital Affiliated to Fudan University, Shanghai 200040, China,;
electroencephalography; coma; quasi-brain-death; empirical mode;
机译:严重创伤脑损伤后昏迷症患者综合征患者定量脑电图的非线性分析
机译:并发多维EEG和一维运动学数据分析的EEMD-IVA框架
机译:多通道脑电数据的EMD方法-幅度和相位分量聚类分析
机译:基于EMD的准脑死亡EEG功率谱图分析
机译:一种基于快速脑电图(EEG)数据对不同任务进行分类的新颖多元分析方法
机译:轮廓集成任务期间收集的EEG数据的EMD-sLORETA组合分析
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)