...
机译:通过脑电信号的时间同步检测癫痫发作的异常模式。
Northeastern Univ, Dept Mech & Ind Engn, Boston, MA 02115 USA;
Northeastern Univ, Dept Mech & Ind Engn, Boston, MA 02115 USA;
Complex network; data fusion; epileptic seizure; nonlinear dynamics; scalp epileptic electroencephalography (EEG); spectral graph theory;
机译:检测长期人类脑电图中的癫痫发作:自动在线和实时检测和多态性癫痫发作模式分类的新方法。
机译:使用统一的时间光谱挤压和激励网络在EEG信号中癫痫癫痫发作检测
机译:基于小波和统计模式识别的癫痫发作脑电信号分类
机译:癫痫发作期间深度脑电图的时空格局
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:通过互补集合经验模式分解和极端梯度升压检测EEG信号中的癫痫癫痫发作
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)