退出
我的积分:
中文文献批量获取
外文文献批量获取
公开/公告号CN112106074A
专利类型发明专利
公开/公告日2020-12-18
原文格式PDF
申请/专利权人 国际商业机器公司;
申请/专利号CN201980028546.9
发明设计人 B·S·马什福德;F·I·基拉尔-科内克;R·苏布拉伊特;汤剑斌;S·哈雷尔;
申请日2019-03-28
分类号G06N3/02(20060101);
代理机构11247 北京市中咨律师事务所;
代理人于静;杨晓光
地址 美国纽约
入库时间 2023-06-19 09:13:40
机译: 癫痫癫痫发作检测和预测,使用深度学习方法等技术
机译: 使用深度学习方法等技术检测和预测癫痫发作的序列
机译: 使用深度学习方法进行癫痫发作的检测和预测
机译:使用重构相空间图像检测癫痫发作的深度学习方法
机译:一种强大的深度学习方法,可以自动分类癫痫发作对非癫痫发作
机译:基于堆叠的自动疏忽自动癫痫癫痫发作检测的深度学习方法
机译:使用探测神经刺激自动检测和预测癫痫发作
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:癫痫预测技术商业化所需的监管程序:生物信号分析的承诺和陷阱:癫痫发作预测和管理(案例研究);