共被期刊论文引用了3次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | Editorial commentary on special issue of Advances in EEG Signal Processing and Machine Learning for Epileptic Seizure Detection and Prediction显示文摘This special issue of The Journal of Biomedical Research features novel studies on epileptic seizure detection and prediction based on advanced EEG signal processing and machine learning algorithms.The articles selected present important findings including new experimental results and theoretical studies. | Larbi Boubchir | 2020 | The Journal of Biomedical Research2020，34，3： | 0 |
| 2 | 基于注意力机制RNN模型的癫痫患者脑电信号识别方法显示文摘针对癫痫患者脑电信号(electroencephalogram,EEG)数据识别提出了一种基于注意力机制的RNN(recurrent neural networks)模型.传统EEG特征分析耗时巨大且过度依赖专家经验,极大限制了脑活动识别方法的应用推广.因此,提出一种新的EEG识别方法以解决上述问题.首先对癫痫患者EEG的基本特征进行分析,进而采用基于注意力机制RNN模型消除各种干扰信号,利用XGBoost分类器识别EEG数据的类别,达到自动细化识别原始EEG的目的,最后在公共EEG数据集上进行大量实验,验证所提方法对EEG识别的准确性.实验结果表明,与一些成熟的EEG识别方法相比,本文所提方法在识别精度上有了进一步提升. | 周嵩 高天寒 | 2023 | 东北大学学报(自然科学版)2023，44，8： | 0 |
| 3 | 基于多重分形去趋势波动分析的脑电信号特征提取及分类方法显示文摘目的:针对脑电信号普遍存在的数据维度高、难以预测的问题,提出一种多重分形去趋势波动分析特征提取方法与长短时记忆网络(LSTM)相结合的脑电信号分类方法。方法:首先对信号样本进行多重分形去趋势波动分析计算得到脑电信号样本的多重分形谱,计算广义Hurst指数hq和广义维数Dq之间的函数关系;然后对多重分形谱进行分析,找出最具代表性的坐标值作为信号的特征向量;最后将其用于LSTM进行训练和分类测试。实验采用波恩大学采集的经过处理的癫痫脑电数据集。结果:当训练样本占总体样本比例超过10%之后,LSTM分类器的测试准确率均稳定在98%以上;当占比超过80%时LSTM分类器的测试准确率达到了100%;即使训练样本较少时也有95%之上的准确率。结论:该算法有良好的准确率和稳定性。 | 陈敬凯 孟雪 王常青 钟亚鼎 | 2021 | 中国医学物理学杂志2021，38，11： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员