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CN109498000B
专利类型发明专利
公开/公告日2021-08-17
原文格式PDF
申请/专利权人 杭州电子科技大学;
申请/专利号CN201811590832.8
发明设计人 曹九稳;胡丁寒;
申请日2018-12-25
分类号A61B5/369(20210101);A61B5/372(20210101);A61B5/00(20060101);
代理机构33240 杭州君度专利代理事务所(特殊普通合伙);
代理人朱月芬
地址 310018 浙江省杭州市下沙高教园区2号大街
入库时间 2022-08-23 12:19:36
机译: 基于概率模型和机器学习的特征提取方法从脑电图信号中基于多频带系数的癫痫发作波形检测系统
机译: 基于源自指示脑活动的信号的特征来预测癫痫发作的方法和装置
机译:通过癫痫发作预测特征比较三种非线性癫痫发作预测方法
机译:基于相空间表示和CEEMD域中的统计特征自动识别EEG信号中的癫痫发作
机译:使用基于EMD的局部能量的融合特征与DNN使用融合特征的情况监测
机译:基于新型多特征融合方法和EMD的癫痫发作自动检测
机译:癫痫发作模式和深神经结构对癫痫癫痫发作预测的多种特征分析
机译:基于规则的焦点癫痫癫痫癫痫发作预测方法
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:中枢a1腺苷受体的刺激抑制soman神经剂癫痫发作大鼠模型中的癫痫发作和神经病理学。