|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 动态脑电图联合脑干听觉诱发电位在脑卒中患者预后评估中的应用价值显示文摘目的探讨动态脑电图联合脑干听觉诱发电位在脑卒中患者预后评估中的应用价值.方法选取脑卒中患者152例,随机分为观察组和对照组,每组各76例.观察组患者选用动态脑电图结合脑干听觉诱发电位进行监测,对照组患者选用常规脑电图进行监测,对比两组患者预后评估结果和预后评估中价值.结果观察组患者中真阴性和真阳性的例数均明显多于对照组,差异具有统计学意义(P<0.05);观察组患者中假阴性和假阳性的人数均明显少于对照组,差异具有统计学意义(P<0.05).观察组患者检测的敏感性、特异性、错误率均明显高于对照组,准确率明显低于对照组,差异具有统计学意义(P<0.05).结论动态脑电图联合脑干听觉诱发电位能够有效增加脑卒中患者预后评估的特异性和敏感性,提高评估的准确率,值得在临床治疗中推广使用. | 刘勇 | 2014 | 北华大学学报(自然科学版)2014，15，6： | 8 |
| 2 | 近似熵与SVM在自动分类癫痫脑电信号中的应用显示文摘采用近似熵(ApEn)与支持向量机(SVM)相结合的方法对癫痫发作间歇期EEG和发作期EEG进行自动识别分类,通过分类结果来检验非线性动力学指标是否可有效运用于脑电癫痫波的自动实时探测中并验证由非线性动力学指标训练的分类器的泛化能力。研究使用参考患者的脑电数据构建SVM分类器,在此分类器的基础上,对其他患者的脑电数据进行分类得到结果。结果表明利用非线性动力学指标训练的分类器具有良好的泛化能力,对不同患者的脑电数据的平均分类准确率达到较高水平。 | 张振 杜守洪 陈子怡 田翔华 周毅 张洋 | 2013 | 生物医学工程研究2013，32，2： | 4 |
| 3 | Approximate entropy and support vector machines for electroencephalogram signal classification显示文摘The automatic detection and identification of electroencephalogram waves play an important role in the prediction, diagnosis and treatment of epileptic seizures. In this study, a nonlinear dynamics index-approximate entropy and a support vector machine that has strong generalization ability were applied to classify electroencephalogram signals at epileptic interictal and ictal periods. Our aim was to verify whether approximate entropy waves can be effectively applied to the automatic real-time detection of epilepsy in the electroencephalogram, and to explore its generalization ability as a classifier trained using a nonlinear dynamics index. Four patients presenting with partial epileptic seizures were included in this study. They were all diagnosed with neocortex localized epilepsy and epileptic foci were clearly observed by electroencephalogram. The electroencephalogram data form the four involved patients were segmented and the characteristic values of each segment, that is, the approximate entropy, were extracted. The support vector machine classifier was constructed with the approximate entropy extracted from one epileptic case, and then electroencephalogram waves of the other three cases were classified, reaching a 93.33% accuracy rate. Our findings suggest that the use of approximate entropy allows the automatic real-time detection of electroencephalogram data in epileptic cases. The combination of approximate entropy and support vector machines shows good generalization ability for the classification of electroencephalogram signals for epilepsy. | Zhen Zhang Yi Zhou Ziyi Chen Xianghua Tian Shouhong Du Ruimei Huang | 2013 | Neural Regeneration Research2013，8，20： | 3 |
| 4 | 超算中心及其在医学信息计算分析中的应用显示文摘在医疗卫生数据迅猛增长的背景下,首先介绍了国内超算中心的基本情况和建设现状;然后结合临床脑电信号(EEG)研究工作的实际情况,从超算中心的使用流程,计算分析的程序设计和优化,任务交付和结果获取,以及计算结果和速度的分析对比,详细阐述了基于超算中心的医学信息分析研究的步骤与方法。研究对于应用超算中心来支持医学大数据分析,同时对推广超级计算在医学领域的应用有重要意义。 | 张振 梅甜 周毅 田翔华 杜守洪 罗雪琼 | 2014 | 中国数字医学2014，9，8： | 2 |
| 5 | 检测脑电癫痫的多头自注意力机制神经网络显示文摘癫痫是一种危及生命且具有挑战性的神经系统疾病,目前基于脑电图(EEG)的癫痫检测方法依然存在很多挑战,脑电图信号是不稳定的,不同的病人表现出的癫痫发作模式不同,检测脑电信号耗时费力,不仅会给医务人员带来沉重的负担,还容易造成误检情况的发生。因此,研究高效的跨多患者的癫痫自动检测技术是非常有必要的。提出了一种基于多头自注意力机制神经网络的癫痫脑电检测方法(CABLNet),利用卷积层捕获脑电时序信号的短期时间模式和各通道之间的局部依赖关系,使用多头自注意力机制进一步捕获具有时序关系的短期时间模式特征向量的长距离依赖关系和时间动态相关性,将上下文表示送入双向长短时记忆网络(BiLSTM)提取前后方向的信息,用logsoftmax函数进行训练和分类。实验使用CHB-MIT头皮脑电数据库数据,灵敏度、特异性、准确率、F1-score分别为96.18%、97.04%、96.61%、96.59%,结果表明,提出的方法优于现有方法,在癫痫检测性能方面有显著提高,对癫痫的辅助诊断具有重要意义。 | 仝航 杨燕 江永全 | 2023 | 计算机科学与探索2023，17，2： | 2 |
| 6 | 基于新型能量算子和多尺度熵的癫痫自动检测显示文摘提出癫痫检测的新算法,创新地使用新型能量算子和多尺度熵,不仅能够实时跟踪脑电信号能量,而且可以在脑电信号未知情况下提取其有效的特征信息。对脑电信号进行一定尺度的小波变换;利用新型Teager能量算子和多尺度熵提取脑电信号的非线性特征,将特征信号输入到极限学习机中,用来识别正常脑电信号与癫痫脑电信号。实验结果表明,此方法具有高分类精度,可达到98.89%,优于文献中所报道的多种检测方法,可以应用于癫痫临床检测。 | 帅国彬 胡伟波 | 2023 | 计算机应用与软件2023，40，3： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员