RU2192778C2 - Способ идентификации пик-волнового комплекса в ээг - Google Patents
Способ идентификации пик-волнового комплекса в ээг Download PDFInfo
- Publication number
- RU2192778C2 RU2192778C2 RU2000118715/14A RU2000118715A RU2192778C2 RU 2192778 C2 RU2192778 C2 RU 2192778C2 RU 2000118715/14 A RU2000118715/14 A RU 2000118715/14A RU 2000118715 A RU2000118715 A RU 2000118715A RU 2192778 C2 RU2192778 C2 RU 2192778C2
- Authority
- RU
- Russia
- Prior art keywords
- signal
- peak
- eeg
- wave complex
- intervals
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000000694 effects Effects 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 210000004556 brain Anatomy 0.000 claims description 8
- 230000002269 spontaneous effect Effects 0.000 abstract description 4
- 239000000126 substance Substances 0.000 abstract description 4
- 239000003814 drug Substances 0.000 abstract description 3
- 206010015037 epilepsy Diseases 0.000 description 13
- 238000003745 diagnosis Methods 0.000 description 10
- 230000000763 evoking effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 206010003074 arachnoiditis Diseases 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 206010010904 Convulsion Diseases 0.000 description 2
- 230000007177 brain activity Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000001037 epileptic effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000001991 pathophysiological effect Effects 0.000 description 2
- 208000024658 Epilepsy syndrome Diseases 0.000 description 1
- 208000002877 Epileptic Syndromes Diseases 0.000 description 1
- 206010034759 Petit mal epilepsy Diseases 0.000 description 1
- 208000010340 Sleep Deprivation Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000003748 differential diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000001787 epileptiform Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 208000000122 hyperventilation Diseases 0.000 description 1
- 230000000870 hyperventilation Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000036403 neuro physiology Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 230000005658 nuclear physics Effects 0.000 description 1
- 238000009774 resonance method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
Способ относится к медицине, а именно к неврологии, и предназначен для идентификации пик-волнового комплекса в ЭЭГ. Для этого при анализе записи используют эффект стохастического резонанса в нелинейных системах. При этом из выходного сигнала ЭЭГ путем фильтрации выделяют составляющие основной частоты. Затем к выделенному сигналу добавляют дельта-коррелированный гауссов шум заданной интенсивности. При пересечении суммарным сигналом заданных верхнего и нижнего пороговых уровней генерируют импульс стандартной формы. Далее отслеживают интервалы между импульсами для обоих порогов. Строят в логарифмическом масштабе графики плотности межимпульсных интервалов, по которым определяют пик-волновой комплекс. Способ позволяет повысить точность распознавания пик-волнового комплекса при исследовании спонтанной ЭЭГ, а также подвергать полученные сигналы математической обработке. 3 ил.
Description
Изобретение относится к области медицины, а именно нейрофизиологии, нейрохирургии, неврологии, и может быть использовано для детектирования пик-волновых комплексов в компьютерной ЭЭГ и диагностики эпилепсии у детей и взрослых.
Известен способ идентификации эпилептиформной активности в ЭЭГ, спонтанной и вызванной, основанный на использовании аппарата рядов Фурье, который позволяет формально описывать и исследовать форму и вычислять параметры кривых, представляющих электрическую активность мозга (Зенков Л.Р., Ронкин М. А. Функциональная диагностика нервных болезней. "Медицина", М., 1991, с. 302-304). Вид таких кривых в сильной степени индивидуален для каждого субъекта и при их анализе используют процедуру многократного подсчета коэффициентов разложения в ряд Фурье, чтобы результат достаточно хорошо описывал исследуемый процесс. Каждая процедура подсчета коэффициентов содержит обработку каждой точки записи активности мозга. Таким образом, определение коэффициентов Фурье непременно включает многократный полный перебор всех точек записи активности мозга.
Недостатком известного способа является то, что процесс вычисления трудоемкий по времени и требует больших объемов памяти. Кроме того, такая обработка данных ЭЭГ не дает возможности локализовать пик-волновые комплексы.
Прототипом заявляемого способа является способ диагностики усредненного вызванного потенциала, основанный на анализе экстремумов на выбранных интервалах записи исследуемого вызванного потенциала (Патент РФ 2109482, МКИ: А 61 В 5/0484, 1998). При этом определяют характерные точки вызванного потенциала, позволяющие классифицировать исследуемые записи. Наличие в алгоритме исследования блоков принятия решений позволяет значительно сократить время обработки записи, повысить точность обработки.
Однако данный способ применим большей частью к исследованию слуховых, зрительных, соматосенсорных и т.д. вызванных потенциалов и не может быть использован для детектирования отдельных графоэлементов в регистрируемой в реальном масштабе времени спонтанной ЭЭГ, то есть для выделения комплекса пик-волна. Кроме того, в прототипе используют анализ сигнала на основании зрительного восприятия эксперта, то есть выделения им образцов-картинок. Такой метод не достаточен для дальнейшей математической обработки сигнала, что снижает достоверность результатов.
Изобретение направлено на создание способа идентификации пик-волновых комплексов в компьютерных записях ЭЭГ, обеспечивающего повышение точности способа распознавания искомого полезного сигнала.
Сущность изобретения заключается в том, что при анализе электрической активности мозга (компьютерной ЭЭГ, регистрируемой в реальном масштабе времени) используют эффект стохастического резонанса в нелинейных системах, для чего из выходного сигнала ЭЭГ путем фильтрации выделяют составляющую основной частоты, затем к выделенному сигналу добавляют дельта-коррелированный гауссов шум заданной интенсивности, при пересечении суммарным сигналом заданных верхнего и нижнего пороговых уровней генерируют импульс стандартной формы, далее отслеживают интервалы между импульсами для обоих порогов и строят в логарифмическом масштабе графики плотности межимпульсных интервалов, по которым определяют пик-волновой комплекс.
Известно, что в нелинейных системах воздействие шума может индуцировать новые более упорядоченные режимы, приводить к образованию более регулярных структур, увеличивать степень когерентности, вызывать увеличение отношения сигнал/шум. Шум в нелинейных системах может играть конструктивную роль, вызывая рост степени порядка в системе. Примером указанного поведения нелинейных систем при воздействии шума является эффект стохастического резонанса. Этот эффект определяет группу явлений, при которых отклик нелинейной системы на слабый внешний сигнал заметно усиливается с ростом интенсивности шума в системе. При этом интегральные характеристики процесса на выходе системы, такие как коэффициент усиления и отношение сигнал/шум, имеют отчетливо выраженный максимум при некотором оптимальном уровне шума. В то же время энтропия, как мера степени беспорядка, достигает минимума, свидетельствуя о возрастании индуцированного шумом порядка. Таким образом, используют эффект стохастического резонанса, как явления, представляющего собой фундаментальный пороговый эффект. Выходной сигнал (ЭЭГ) представляют в виде случайного процесса, в котором путем фильтрации выделяют составляющую основной частоты. В этом случае процесс рассматривают в виде последовательности случайных событий, появляющихся в случае, когда сумма регулярной и шумовой компонент входного сигнала пересекает некоторый заданный пороговый уровень. Всякий раз, когда уровень порога пересекается в одном направлении, генерируется импульс стандартной формы. Процесс пересечения порога порождает во времени случайную последовательность импульсов. Отношение сигнал/шум определяют по спектру мощности данной последовательности импульсов. Основная идея метода стохастического резонанса заключается в том, что существует оптимальный диапазон вариаций амплитуды шума и оптимальная величина порога, при которых достигается наилучшее отношение сигнал/шум, а следовательно, и более благоприятные условия для регистрации полезного сигнала.
Заявляемый способ отличается от прототипа тем, что при анализе записи ЭЭГ используют эффект стохастического резонанса в нелинейных системах, для чего из выходного сигнала ЭЭГ путем фильтрации выделяют составляющую основной частоты, затем к выделенному сигналу добавляют дельта-коррелированный гауссов шум заданной интенсивности, при пересечении суммарным сигналом заданных верхнего и нижнего пороговых уровней генерируют импульс стандартной формы, далее отслеживают интервалы между импульсами для обоих порогов и строят в логарифмическом масштабе графики плотности межимпульсных интервалов, по которым определяют пик-волновой комплекс.
Полезный сигнал - комплекс пик-волна - является одним из патофизиологических маркеров эпилепсии и представляет собой последовательность из пика (спайка), за которым следует медленная волна. Продолжительность пика 20-70 мс, амплитуда вариабельна, основной компонент негативный. По современным представлениям пик-волновой комплекс отражает понятие эпилептический электроэнцефалографический разряд (пароксизм) и формируется в результате одновременной активации большого числа нейронов (нейронной популяции), которые имеют тенденцию разряжаться одновременно с чрезвычайно высокой степенью синхронности. Этот эпилептический паттерн, отличный от фоновой активности и имеющий характерную форму, может внезапно возникать и внезапно исчезать в спонтанной ЭЭГ. Кроме того, известно, что при эпилепсии наблюдается преобразование компонентов вызванных потенциалов любой модальности в форму пик-волна. Обычно гипервентиляция или депривация сна также приводят к преобразованию вызванного потенциала в форму, соответствующую комплексам пик-волна (Зенков Л. Р. , Ронкин М. А., 1991, с. 273, 304). Таким образом, комплекс пик-волна - это значимая информация для постановки диагноза эпилепсии. Выделение этого маркера обеспечивает диагностические задачи клиники и имеет существенное практическое значение в клинических исследованиях при диагностике любых форм эпилепсии, очаговой или генерализованной. Проблема компьютерного распознавания пик-волновых комплексов (одиночных и/или множественных), предшествующих или сопровождающих эпилептические припадки, до сих пор не решена.
Способ осуществляется следующим образом. Для пик-волновых комплексов характерно наличие медленной волны и сопровождающих ее пиковых изломов (быстрых составляющих). Отслеживание интервалов между моментами пересечения сигналом (суммой регулярной и шумовой компонент) порогового уровня позволяет построить функции плотности межимпульсных интервалов. Эти функции строят для верхнего и нижнего порогов. Таким образом, можно предложить следующую последовательность действий.
Сначала выбирают для обработки запись электрической активности мозга (ЭЭГ) по заданному каналу. Для нее определяют наименьшее и наибольшее значения и эти значения называют нижним и верхним пороговыми уровнями выбранной записи. (Для удобства дальнейших вычислений эти пороги нормируют и полагают равными 0 и 1 соответственно.) Выделение составляющей основной частоты путем фильтрации представляет собой нормирование исходной записи на промежутке [0,1]. Запись ЭЭГ в цифровом виде представляет собой последовательность числовых пар вида (хi, yi), где первая координата задает момент времени (номер измерения), а вторая - числовое значение сигнала в этот момент (чаще всего число измерений равно 512.) К выделенному сигналу добавляют дельта-коррелированный гауссов шум заданной интенсивности. Иначе говоря, для каждой точки вид (хi, yi,) к значению уi, добавляют случайную величину, определяемую формулой
где md - случайное число на интервале (0,1), а параметр σ выбирают экспериментально. Для каждой точки уi, такую процедуру проводят некоторое заданное число раз (m), в результате чего получают ряд чисел yi+z1,...yi+zm. Далее отслеживают пересечение суммарным сигналом (т.е. суммой регулярной и шумовой компонент) заданных пороговых уровней с генерацией импульса стандартной формы, а именно определяют положение полученных чисел относительно выбранных порогов (определяют число пересечений возмущенной точкой верхнего и нижнего порогов). Общее число пересечений определяют как сумма таких пересечений по всем точкам, а затем число пересечений для каждой точки нормируют по полученной сумме. Далее отслеживают интервалы между импульсами и в логарифмическом масштабе строят графики плотности межимпульсных интервалов (т.е. интервалов между пересечениями возмущенной точкой заданных порогов).
где md - случайное число на интервале (0,1), а параметр σ выбирают экспериментально. Для каждой точки уi, такую процедуру проводят некоторое заданное число раз (m), в результате чего получают ряд чисел yi+z1,...yi+zm. Далее отслеживают пересечение суммарным сигналом (т.е. суммой регулярной и шумовой компонент) заданных пороговых уровней с генерацией импульса стандартной формы, а именно определяют положение полученных чисел относительно выбранных порогов (определяют число пересечений возмущенной точкой верхнего и нижнего порогов). Общее число пересечений определяют как сумма таких пересечений по всем точкам, а затем число пересечений для каждой точки нормируют по полученной сумме. Далее отслеживают интервалы между импульсами и в логарифмическом масштабе строят графики плотности межимпульсных интервалов (т.е. интервалов между пересечениями возмущенной точкой заданных порогов).
При построении графиков (фиг. 1-3) интервалы на оси абсцисс откладывают в логарифмическом масштабе. Условные единицы на этой оси представляют собой тактовые шаги, по которым произведена запись ЭЭГ. Тактовая единица записи равна отношению времени записи к количеству тактовых шагов (512). На полученных гистограммах определяют два пика (один в области 5-10 единиц масштаба, второй в промежутке > 50), характеризующих наличие пик-волновых комплексов. Первый пик характеризует наличие быстрой составляющей, второй, характеризующий период медленной волны, является двойным. Такое расщепление обусловлено наличием быстрой составляющей. Таким образом, график полученных функций позволяет локализовать пик-волновой комплекс.
Способ идентификации пик-волновых комплексов в ЭЭГ разработан в Российском Нейрохирургическом Институте им. проф. А.Л.Поленова и Петербургском институте ядерной физики им. Б.П. Константинова РАН и прошел клинические испытания у 9 больных эпилепсией и арахноидитом головного мозга. Всем больным выполнено электроэнцефалографическое обследование с анализом компьютерных записей ЭЭГ согласно заявляемому способу. Совпадение клинического и электрографического диагноза получено во всех случаях: пик-волновые комплексы были выявлены у 6 больных эпилепсией и не найдены у 3 больных арахноидитом головного мозга. Таким образом, предлагаемый способ эффективен в повышении точности диагностики.
Приводим примеры.
Пример 1. Больная Ч., 10 лет, история болезни 21/98. Поступила в РНХИ им. А. Л. Поленова 3.01.98 г. с диагнозом: Эпилепсия неясной этиологии с генерализованными припадками petit mal.
8.01.98 г. выполнено плановое ЭЭГ исследование. Согласно заявляемому способу проведен компьютерный анализ биопотенциалов головного мозга с помощью метода стохастического резонанса. На полученных гистограммах (фиг. 1) определяются два пика (в области 10 и 50 единиц масштаба), характеризующие наличие пик-волновых комплексов. Таким образом, полученные графические данные подтверждают диагноз эпилепсии.
Пример 2. Больная К., 12 лет, история болезни 636/2000. Поступила в РНХИ им. А.Л.Поленова 5.04.2000 г. с диагнозом: Последствия интранатальной травмы с эпилептическим синдромом.
20.04.2000 г. выполнено плановое ЭЭГ исследование. Согласно заявляемому способу проведен компьютерный анализ биопотенциалов головного мозга с помощью метода стохастического резонанса. На полученных гистограммах (фиг. 2) определяются два пика - один в области 10 единиц масштаба, второй в области 50 единиц, характеризующие наличие пик-волновых комплексов. Таким образом, полученные графические данные подтверждают диагноз эпилепсии.
Пример 3. Больной М., 42 г., история болезни 2490/99. Поступила в РНХИ им. А. Л.Поленова 20.12.1999 г. с диагнозом: Последствия перенесенной нейроинфекции с кистозно-слипчивым арахноидитом.
31.12.1999 г. выполнено плановое ЭЭГ исследование. Согласно заявляемому способу проведен компьютерный анализ биопотенциалов головного мозга с помощью метода стохастического резонанса. На полученных гистограммах (фиг. 3) изменения, характеризующие наличие пик-волновых комплексов, не получены. Таким образом, графические данные совпадают с клиническим диагнозом.
Предлагаемый способ имеет следующие преимущества: повышает точность и эффективность выявления и идентификации в компьютерной ЭЭГ специфических патофизиологических маркеров эпилепсии - пик-волновых комплексов, повышает дифференциальную диагностику эпилепсии.
Claims (1)
- Способ идентификации пик-волнового комплекса в ЭЭГ, включающий регистрацию и анализ биоэлектрической активности мозга в виде компьютерной записи ЭЭГ, отличающийся тем, что при анализе записи используют эффект стохастического резонанса в нелинейных системах, для чего из выходного сигнала ЭЭГ путем фильтрации выделяют составляющие основной частоты, затем к выделенному сигналу добавляют дельта-коррелированный гауссов шум заданной интенсивности, при пересечении суммарным сигналом заданных верхнего и нижнего пороговых уровней генерируют импульс стандартной формы, далее отслеживают интервалы между импульсами для обоих порогов и строят в логарифмическом масштабе графики плотности межимпульсных интервалов, по которым определяют пик-волновой комплекс.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2000118715/14A RU2192778C2 (ru) | 2000-07-07 | 2000-07-07 | Способ идентификации пик-волнового комплекса в ээг |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2000118715/14A RU2192778C2 (ru) | 2000-07-07 | 2000-07-07 | Способ идентификации пик-волнового комплекса в ээг |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| RU2000118715A RU2000118715A (ru) | 2002-07-20 |
| RU2192778C2 true RU2192778C2 (ru) | 2002-11-20 |
Family
ID=20237866
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2000118715/14A RU2192778C2 (ru) | 2000-07-07 | 2000-07-07 | Способ идентификации пик-волнового комплекса в ээг |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2192778C2 (ru) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2254052C1 (ru) * | 2004-01-06 | 2005-06-20 | ГУ Московский научно-исследовательский институт психиатрии МЗ РФ | Способ диагностики эпилепсии с полиморфными пароксизмами |
| RU2469644C2 (ru) * | 2006-09-25 | 2012-12-20 | Конинклейке Филипс Электроникс Н.В. | Устройство для амбулаторного мониторирования активности мозга |
| RU2562109C1 (ru) * | 2014-02-25 | 2015-09-10 | Федеральное государственное бюджетное учреждение науки Институт систем обработки изображений Российской академии наук (ИСОИ РАН) | Способ диагностики эпилепсии |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2029492C1 (ru) * | 1992-10-07 | 1995-02-27 | Брикенштейн Владимир Хаимович | Способ оценки биоэлектрических процессов головного мозга |
| RU98106188A (ru) * | 1998-04-02 | 2000-02-10 | Ивановская государственная медицинская академия | Способ диагностики эпилепсии и ее риска у детей |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2169521C2 (ru) * | 1998-04-02 | 2001-06-27 | Ивановская государственная медицинская академия | Способ диагностики эпилепсии и ее риска у детей |
-
2000
- 2000-07-07 RU RU2000118715/14A patent/RU2192778C2/ru active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2029492C1 (ru) * | 1992-10-07 | 1995-02-27 | Брикенштейн Владимир Хаимович | Способ оценки биоэлектрических процессов головного мозга |
| RU98106188A (ru) * | 1998-04-02 | 2000-02-10 | Ивановская государственная медицинская академия | Способ диагностики эпилепсии и ее риска у детей |
Non-Patent Citations (1)
| Title |
|---|
| ЗЕНКОВ Л.Р., РОНКИН М.А. Функциональная диагностика нервных болезней. - М.: Медицина, 1991, с.49-54, 83-107. * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2254052C1 (ru) * | 2004-01-06 | 2005-06-20 | ГУ Московский научно-исследовательский институт психиатрии МЗ РФ | Способ диагностики эпилепсии с полиморфными пароксизмами |
| RU2469644C2 (ru) * | 2006-09-25 | 2012-12-20 | Конинклейке Филипс Электроникс Н.В. | Устройство для амбулаторного мониторирования активности мозга |
| RU2562109C1 (ru) * | 2014-02-25 | 2015-09-10 | Федеральное государственное бюджетное учреждение науки Институт систем обработки изображений Российской академии наук (ИСОИ РАН) | Способ диагностики эпилепсии |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Seizure prediction using directed transfer function and convolution neural network on intracranial EEG | |
| US8204583B2 (en) | System for seizure monitoring and detection | |
| Wilson et al. | Spike detection: a review and comparison of algorithms | |
| McSharry et al. | Comparison of predictability of epileptic seizures by a linear and a nonlinear method | |
| Sameer et al. | Epileptical seizure detection: Performance analysis of gamma band in EEG signal using short-time Fourier transform | |
| US7263467B2 (en) | Multi-dimensional multi-parameter time series processing for seizure warning and prediction | |
| Jiwani et al. | Automated seizure detection using theta band | |
| Jouny et al. | Characterization of epileptic seizure dynamics using Gabor atom density | |
| US8280501B2 (en) | Systems and methods for quantitatively characterizing slow wave activities and states in sleep | |
| JP2022536552A (ja) | 脳波（ｅｅｇ）の非線形性の変化に基づく発作検出システム及び方法 | |
| Goh et al. | Comparison of fractal dimension algorithms for the computation of EEG biomarkers for dementia | |
| Yadav et al. | Morphology-based automatic seizure detector for intracerebral EEG recordings | |
| JP2023099043A (ja) | 脳波（ｅｅｇ）の非線形性の変化に基づく発作検出システム及び方法 | |
| Najumnissa et al. | Detection and classification of epileptic seizures using wavelet feature extraction and adaptive neuro-fuzzy inference system | |
| Chandel et al. | Epileptic eeg signal classification using machine learning based model | |
| Kamath | A new approach to detect epileptic seizures in electroencephalograms using teager energy | |
| Alotaiby et al. | Channel selection and seizure detection using a statistical approach | |
| Mohammadpour et al. | Seizure onset zone classification of intracranial EEG signals from epilepsy patients | |
| RU2192778C2 (ru) | Способ идентификации пик-волнового комплекса в ээг | |
| Babloyantz | Some remarks on nonlinear data analysis of physiological time series | |
| Cusenza | Fractal analysis of the EEG and clinical applications | |
| Sunaryono et al. | Epilepsy detection using combination dwt and convolutional neural networks based on electroencephalogram | |
| Feltane | Time-frequency based methods for nonstationary signal analysis with application to EEG signals | |
| Shayeste et al. | Heterogeneous recurrence analysis of imaged-EEG for spatio-temporal epileptic seizure detection | |
| Dobrowolski et al. | Spectral analysis of motor unit action potentials |