癫痫EEG波形的小波分析方法

机译：EEG信号处理用于癫痫癫痫发作检测的使用5级DB4离散小波变换，基于GA的特征选择和ANN / SVM分类器

机译：基于非线性和统计特征的EEG小波分解癫痫癫痫发作识别与支持向量机分类

机译：使用小波变换和人工神经网络自动癫痫癫痫发作检测的EEG信号分析

机译：来自头皮EEG的癫痫脑网络：通过对脑波形的连接分析来识别癫痫驾驶员

机译：颞叶癫痫的EEG数据挖掘和分类模型：小波-混沌神经网络方法和尖峰神经网络。

机译：SWDreader：一种基于小波的算法利用频谱相位来表征无癫痫病遗传模型中的尖峰波形态变化

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：建模和分析癫痫患者的非癫痫发作EEG数据

机译：小波变换的波形信号分析系统，小波变换的波形信号分析工具的分析方法，小波变换的波形信号分析装置

机译：EEG通过脑疾病验证EEG生物标志物分析算法预测小儿癫痫患者的迷走神经刺激作用的方法

机译：一种自动检测EEG中癫痫和非典型癫痫样发作并实时触发的方法。