Abstract: S. Chen, Q. Meng, W. Zhou, X. Yang (2013)

Recurrence Quantification Analysis (RQA) was a nonlinear analysis method and widely used to analyze EEG signals. In this work, a feature extraction method based on the RQA measures was proposed to detect the epileptic EEG from EEG recordings. To combine the time-frequency characteristic of epileptic EEG, variation coefficient and fluctuation index were used to analyze epileptic EEG. The multi-feature combination of RQA and linear parameters had better performance in analyzing the nonlinear dynamic characteristics and time-frequency characteristic of epileptic EEG. For features selection and improving the classification accuracy, a support vector machine (SVM) classifier was used. The experimental results showed that the proposed method could classify the ictal EEG and interictal EEG with accuracy of 97.98%.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Seizure Detection in Clinical EEG Based on Multi-feature Integration and SVM