350 руб
Журнал «Биомедицинская радиоэлектроника» №2 за 2016 г.
Статья в номере:
Модели полигауссовых распределений вейвлет-спектра электроэнцефалографического сигнала
Ключевые слова: дискретное вейвлет-преобразование полигауссовы модели электроэнцефалография
Авторы:
Константин Олегович Иванов - аспирант, кафедра радиотехнических и медико-биологических систем, Поволжский государственный технологический университет (г. Йошкар-Ола). E-mail: Konstantin4002000@gmail.com Виктор Викторович Севастьянов - д.м.н., гл. врач, Центр патологии речи и нейрореабилитации нейросенсорных и двигательных на-рушений Министерства здравоохранения Республики Марий Эл; профессор, кафедра радиотехнических и медико-биологических систем, Поволжский государственный технологический университет (г. Йошкар-Ола). E-mail: krtmbs@volgatech.net Сергей Николаевич Свинцов - врач-невролог высшей врачебной категории, ГБУ РМЭ «Республиканская клиническая больница» (г. Йошкар-Ола). E-mail: rkb@minzdrav12.ru
Аннотация:
Рассмотрены принципы построения систем автоматической классификации электроэнцефалографических (ЭЭГ) феноменов. Исследована возможность использования полигауссовых моделей вейвлет-спектра ЭЭГ-сигнала для автоматического распознавания различных паттернов.
Страницы: 46-52
Список источников

 

  1. Зенков Л.Р. Клиническая электроэнцефалография (с элементами эпилептологии): Руководство для врачей. Изд. 5-е. М.: МЕДпресс-информ. 2012. 356 с.
  2. Павлов А.Н., Храмов А.Е., Короновский А.А., Ситникова Е.Ю., Макаров В.А., Овчинников А.А. Вейвлет-анализ в нейродинамике // Успехи физических наук. 2012.  Т. 182. № 9. С. 905-939.
  3. Jensen A., la Cour-Harbo A. Ripples in mathematics: the discrete wavelet transform. Springer Science & Business Media. 2001.
  4. Benedetto J.J., Pfander G.E. Wavelet detection of periodic behavior in EEG and ECoG data // 15th IMACS World Congress. Berlin. 1997. Т. 1.
  5. Zhang Z., Kawabata H., Liu Z.Q. Electroencephalogram analysis using fast wavelet transform // Computers in biology and medicine. 2001. V. 31. №. 6. P. 429-440.
  6. Akareddy S.M., Kulkarni P.K. EEG signal classification for epilepsy seizure detection using improved approximate entropy // International Journal of Public Health Science (IJPHS). 2013. V. 2. №. 1. P. 23-32.
  7. Shoeb A.H., Guttag J.V. Application of machine learning to epileptic seizure detection //Proceedings of the 27th International Conference on Machine Learning (ICML-10). 2010. P. 975-982.
  8. Omerhodzic I., et al. Energy distribution of EEG signals: EEG signal wavelet-neural network classifier // arXiv preprint arXiv:1307.7897. 2013.
  9. Bilmes J.A., et al. A gentle tutorial of the EM algorithm and its application to parameter estimation for Gaussian mixture and hidden Markov models // International Computer Science Institute. 1998. V. 4. № 510. Р. 126.
  10. Mallat S. Multiresolution approximation and wavelet orthonormal basis of L^2(R) // Trans. AMS. 1989. V. 315. P. 69-87.
  11. Adeli H., Ghosh-Dastidar S. Automated EEG-based diagnosis of neurological disorders: Inventing the future of neurology. CRC Press. 2010.
  12. Добеши И. Десять лекций по вейвлетам. М.: НИЦ «Регулярная и хаотическая динамика». 2001.
  13. Смоленцев Н.К. Основы теории вейвлетов. Вейвлеты в MATLAB. М.: ДМК Пресс. 2005. Т. 304. С. 11.
  14. Huang X., et al. Spoken language processing: A guide to theory, algorithm, and system development. Prentice Hall PTR. 2001.