基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
癫痫是一种以周期性发作和不可预测性为特点的神经障碍,基于脑电(EEG)的癫痫发作自动检测对于患者的准确识别和减轻医护人员的工作强度都具有重要意义。该研究提出了一种与卷积神经网络相结合的方法,实验结果表明,该方法能有效区分健康脑电和癫痫脑电,间歇期脑电和发作期脑电。
推荐文章
基于卷积神经网络的垃圾自动分类算法
卷积神经网络
MobileNetV2
ShuffleNetV1
垃圾分类
基于深度卷积神经网络的车标分类
深度学习
神经网络
车标分类
图像识别
基于卷积神经网络的植物图像分类方法研究
卷积神经网络
图像特征
图像分类
全卷积网络
植物图像
数据集
基于卷积神经网络的军事图像分类
军事图像分类
深度学习
卷积神经网络
主成分分析白化
随机池化
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于卷积神经网络的癫痫脑电自动分类
来源期刊 电脑知识与技术:学术交流 学科 工学
关键词 癫痫 EEG CNN
年,卷(期) 2017,(12) 所属期刊栏目
研究方向 页码范围 176-177
页数 2页 分类号 TP393
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王春兴 山东师范大学物理与电子科学学院 47 170 6.0 11.0
2 丁木涵 山东师范大学物理与电子科学学院 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
癫痫
EEG
CNN
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电脑知识与技术:学术版
旬刊
1009-3044
34-1205/TP
安徽合肥市濉溪路333号
26-188
出版文献量(篇)
41621
总下载数(次)
23
总被引数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导