Модели полигауссовых распределений вейвлет-спектра электроэнцефалографического сигнала

Константин Олегович Иванов; Виктор Викторович Севастьянов; Сергей Николаевич Свинцов

Модели полигауссовых распределений вейвлет-спектра электроэнцефалографического сигнала

Константин Олегович Иванов¹, Виктор Викторович Севастьянов², Сергей Николаевич Свинцов³

научная статья Страницы: 46-52

¹ аспирант, кафедра радиотехнических и медико-биологических систем, Поволжский государственный технологический университет (г. Йошкар-Ола)
² 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)
³ врач-невролог высшей врачебной категории, ГБУ РМЭ «Республиканская клиническая больница» (г. Йошкар-Ола)

Ключевые слова: дискретное вейвлет-преобразование полигауссовы модели электроэнцефалография

Аннотация

Рассмотрены принципы построения систем автоматической классификации электроэнцефалографических (ЭЭГ) феноменов. Исследована возможность использования полигауссовых моделей вейвлет-спектра ЭЭГ-сигнала для автоматического распознавания различных паттернов.

Для цитирования

Иванов К.О., Севастьянов В.В., Свинцов С.Н. Модели полигауссовых распределений вейвлет-спектра электроэнцефалографического сигнала // Биомедицинская радиоэлектроника. 2016. № 2. С. 46–52.

Список источников

Зенков Л.Р. Клиническая электроэнцефалография (с элементами эпилептологии): Руководство для врачей. Изд. 5-е. М.: МЕДпресс-информ. 2012. 356 с.
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.
Jensen A., la Cour-Harbo A. Ripples in mathematics: the discrete wavelet transform. Springer Science & Business Media. 2001.
Benedetto J.J., Pfander G.E. Wavelet detection of periodic behavior in EEG and ECoG data // 15th IMACS World Congress. Berlin. 1997. Т. 1.
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.
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.
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.
Omerhodzic I., et al. Energy distribution of EEG signals: EEG signal wavelet-neural network classifier // arXiv preprint arXiv:1307.7897. 2013.
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.
Mallat S. Multiresolution approximation and wavelet orthonormal basis of L^2(R) // Trans. AMS. 1989. V. 315. P. 69-87.
Adeli H., Ghosh-Dastidar S. Automated EEG-based diagnosis of neurological disorders: Inventing the future of neurology. CRC Press. 2010.
Добеши И. Десять лекций по вейвлетам. М.: НИЦ «Регулярная и хаотическая динамика». 2001.
Смоленцев Н.К. Основы теории вейвлетов. Вейвлеты в MATLAB. М.: ДМК Пресс. 2005. Т. 304. С. 11.
Huang X., et al. Spoken language processing: A guide to theory, algorithm, and system development. Prentice Hall PTR. 2001.

[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.

Аннотация

Для цитирования

Похожие статьи