study on the nonlinear analysis of EEG

机译：脑电非线性分析的研究

页面导航

摘要
著录项
相似文献
相关主题

摘要

本文分别采用非线性动力学、小波变换、神经网络和混沌理论等现代分析方法对EEG信号的非线性特征进行了比较全面的分析和研究。这些分析方法都是当今非线性信号分析领域备受关注的新方法。随着信息科学和计算技术的发展，这些方法具有广阔的应用前景和潜在的优势。本文的主要贡献归纳如下：1）在小波变换的基础上，用150例EEG样本计算了表征EEG信号奇异性大小的Lipschitz指数。得出癫痫EEG的Lipschitz指数总体上比健康EEG小的结论，并分别作出健康EEG和癫痫EEG的Lipschitz指数谱。2）将基于高阶统计（HOS）的高阶奇异谱分析（HSSA）方法用于EEG信号的分析中，有效地克服了二阶奇异...

机译：本文分别采用非线性动力学、小波变换、神经网络和混沌理论等现代分析方法对EEG信号的非线性特征进行了比较全面的分析和研究。这些分析方法都是当今非线性信号分析领域备受关注的新方法。随着信息科学和计算技术的发展，这些方法具有广阔的应用前景和潜在的优势。本文的主要贡献归纳如下：1）在小波变换的基础上，用150例EEG样本计算了表征EEG信号奇异性大小的Lipschitz指数。得出癫痫EEG的Lipschitz指数总体上比健康EEG小的结论，并分别作出健康EEG和癫痫EEG的Lipschitz指数谱。2）将基于高阶统计（HOS）的高阶奇异谱分析（HSSA）方法用于EEG信号的分析中，有效地克服了二阶奇异...

著录项

作者
游荣义;
展开▼
作者单位

展开▼
年度 2003
总页数
原文格式 PDF
正文语种 zh_CN
中图分类

相似文献

外文文献
中文文献
专利

1. Surrogate data test for nonlinearity of EEG signals: A newborn EEG burst suppression case study [J] . Parisa Mirzaei, Ghasem Azemi, Natia Japaridze, Digital Signal Processing . 2017,第期

机译：eEG信号非线性的替代数据测试：新生EEG突发抑制案例研究
2. Nonlinear hemodynamic responses in human epilepsy: A multimodal analysis with fNIRS-EEG and fMRI-EEG [J] . PouliotP., TremblayJ., RobertM., Journal of Neuroscience Methods . 2012,第2期

机译：人类癫痫的非线性血液动力学反应：fNIRS-EEG和fMRI-EEG的多峰分析
3. Nonlinear-analysis of human sleep EEG using detrended fluctuation analysis. [J] . Lee JM, Kim DJ, Kim IY, Medical engineering & physics. . 2004,第9期

机译：使用去趋势波动分析对人类睡眠脑电图进行非线性分析。
4. An Alpha resting EEG study on nonlinear dynamic analysis for schizophrenia [C] . Zhao Qinglin, Hu Bin, Li Yunpeng, International IEEE/EMBS Conference on Neural Engineering . 2013

机译：精神分裂症非线性动力学分析的Alpha静息脑电图研究
5. Single-trial analysis and its applications in EEG and simultaneous EEG-fMRI studies. [D] . Liu, Yuelu. 2013

机译：单次试验分析及其在脑电图和同时进行的脑电图功能磁共振成像研究中的应用。
6. Nonlinear analysis of EEG complexity in episode and remission phase of recurrent depression [O] . Milena Čukić, Miodrag Stokić, Slavoljub Radenković, 2020

机译：复发性抑郁症发作期和缓解期脑电图复杂性的非线性分析
7. EEG Signal Discrimination using Non-linear Dynamics in the EMD Domain S. M. Shafiul Alam,S. M. Shafiul Alam,Aurangozeb, and Syed TarekShahriar Abstract—An EMD-chaos based approach is proposed todiscriminate EEG signals corresponding to healthy persons,and epileptic patients during seizure-free intervals and seizureattacks. An electroencephalogram (EEG) is first empiricallydecomposed to intrinsic mode functions (IMFs). The nonlineardynamics of these IMFs are quantified in terms of the largestLyapunov exponent (LLE) and correlation dimension (CD).This chaotic analysis in EMD domain is applied to a large groupof EEG signals corresponding to healthy persons as well asepileptic patients (both with and without seizure attacks). It isshown that the values of the obtained LLE and CD exhibitfeatures by which EEG for seizure attacks can be clearlydistinguished from other EEG signals in the EMD domain.Thus, the proposed approach may aid researchers in developingeffective techniques to predict seizure activities. Index Terms—Electroencephalogram (EEG), empiricalmode decomposition (EMD), largest Lyapunov exponent (LLE),correlation dimension (CD), epileptic seizures. The Authors are with the Electrical and Electronic EngineeringDepartment, Bangladesh University of Engineering and Technology,Dhaka-1000, Bangladesh (e-mail: imamul@eee.buet.ac.bd) PDF Cite: S. M. Shafiul Alam,S. M. Shafiul Alam,Aurangozeb, and Syed Tarek Shahriar, "EEG Signal Discrimination using Non-linear Dynamics in the EMD Domain," International Journal of Computer and Electrical Engineering vol. 4, no. 3, pp. 326-330, 2012. PREVIOUS PAPER Perception of Emotions Using Constructive Learningthrough Speech NEXT PAPER Physical Layer Impairments Aware OVPN Connection Selection Mechanisms Copyright © 2008-2013. International Association of Computer Science and Information Technology Press (IACSIT Press) [O] . S. M. Shafiul Alam, Syed TarekShahriar 2012

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）
8. Nonlinear EEG Analysis In Epilepsy. [R] . Lehnertz, K. 2001

机译：癫痫的非线性脑电图分析。

study on the nonlinear analysis of EEG

摘要

著录项

相似文献

相关主题

期刊订阅