Articles liés à EEG Signal Classification Using Hidden Markov Model

EEG Signal Classification Using Hidden Markov Model - Couverture souple

Arunachalam, Vigneshkumar; Rajaguru, Harikumar; Babu Chidambaram, Ganesh

 
9786139961320: EEG Signal Classification Using Hidden Markov Model

Synopsis

Ce livre met l'accent sur l'épilepsie qui est un trouble neurologique avec une prépondérance d'environ 1 à 2 % de la population mondiale. Elle est due à une synchronisation excessive des réseaux neuronaux corticaux et se caractérise par des perturbations soudaines récurrentes et transitoires de la perception ou du comportement. Les crises d'épilepsie sont classées comme crises partielles ou focales, généralisées, unilatérales et non classifiées. Les crises d'épilepsie focales n'impliquent qu'une partie de l'hémisphère cérébral et dans les parties correspondantes du corps. Les crises d'épilepsie généralisées impliquent l'ensemble du cerveau et produisent des symptômes moteurs bilatéraux généralement avec perte de conscience. Les deux types de crises d'épilepsie peuvent survenir à tous les âges. L'un des outils les plus importants pour diagnostiquer l'épilepsie comprend la surveillance de l'activité cérébrale à travers l'électroencéphalogramme (EEG). La signature EEG est une forme d'onde transitoire de pointes isolées, de trains de pointe. Elle aide également à classer le syndrome épileptique sous-jacent. L'extraction des caractéristiques est effectuée par l'analyse des composants indépendants (ICA) et la classification finale du niveau de risque est effectuée par le modèle de Markov caché (HMM). L'évaluation des performances est effectuée par la fonction Kappa et l'erreur carrée moyenne (MSE).

Les informations fournies dans la section « Synopsis » peuvent faire référence à une autre édition de ce titre.