@ persidangan{KhazaalShams2011653,
tajuk = {Characterizing autistic disorder based on principle component analysis},
pengarang = {W Khazaal Shams and A W Abdul Rahman},
url = {https://www.scopus.com/inward/record.uri?eid=2-s2.0-84855644760&doi=10.1109%2fISIEA.2011.6108797&rakan kongsi = 40&md5=c486566e2d7ff404d830704c0b404067},
doi = {10.1109/ISIEA.2011.6108797},
isbn = {9781457714184},
tahun = {2011},
tarikh = {2011-01-01},
jurnal = {2011 IEEE Symposium on Industrial Electronics and Applications, ISIEA 2011},
halaman = {653-657},
abstrak = {Autism is often diagnosed during preschool or toddled age. This diagnosis often depends on behavioral test. It is known that individuals with autism have abnormal brain signals different from typical persons yet this difference in signals is slight that it is often difficult to distinguish from the normal. Walau bagaimanapun, Elektroencephalogram (LIHAT) signals have a lot of information which reflect the behavior of brain functions which therefore captures the marker for autism, help to early diagnose and speed the treatment. This work investigates and compares classification process for autism in open-eyed tasks and motor movement by using Principle Component Analysis (PCA) for feature extracted in Time-frequency domain to reduce data dimension. The results show that the proposed method gives accuracy in the range 90-100% for autism and normal children in motor task and around 90% to detect normal in open-eyed tasks though difficult to detect autism in this task. © 2011 IEEE.},
nota = {dipetik oleh 6},
kata kunci = {Autisme, Brain Function, Isyarat Otak, Classification Process, Data Dimensions, Penyakit, Electroencephalogram Signals, Elektroensefalografi, Frequency Domain Analysis, Elektronik Perindustrian, Pergerakan Motor, Motor Tasks, PCA, Analisis Komponen Utama, Signal Detection, Time Frequency Domain},
pubstate = {diterbitkan},
tppubtype = {persidangan}
}

@ persidangan{Razali2010,
tajuk = {Pergerakan motor untuk gangguan spektrum autisme (ASD) pengesanan},
pengarang = {N Razali dan AW A Rahman},
url = {https://www.scopus.com/inward/record.uri?eid=2-s2.0-80052346152&doi = 10.1109% 2fICT4M.2010.5971921&rakan kongsi = 40&md5=234cdd8f3906ad980ed163a1036215ee},
doi = {10.1109/ICT4M.2010.5971921},
isbn = {9789791948913},
tahun = {2010},
tarikh = {2010-01-01},
jurnal = {Prosiding Persidangan Antarabangsa Teknologi Maklumat dan Komunikasi ke-3 untuk Dunia Muslim: Budaya Menghubungkan ICT, ICT4M 2010},
halaman = {E90-E95},
abstrak = {Dalam kertas ini, kami melihat perbezaan antara kanak-kanak autistik dan normal dari segi pergerakan motor halus. Dapatan sebelum ini menunjukkan terdapat perbezaan antara kanak-kanak autisme dan kanak-kanak normal semasa melakukan tugasan pergerakan motor yang mudah. Meniru jari mengetuk dan menggenggam tangan adalah dua contoh tugas pergerakan motor yang mudah. Kajian kami telah menggunakan salah satu rangsangan video untuk menggenggam tangan daripada Brainmarkers. 6 kanak-kanak autisme terpilih dan 6 kanak-kanak normal terpilih telah terlibat dalam kajian ini. Pengumpulan data menggunakan peranti EEG dan akan dianalisis menggunakan model campuran Gaussian (GMM) dan perceptron berbilang lapisan (MLP) sebagai pengelas untuk membezakan antara kanak-kanak autistik dan normal. Keputusan eksperimen menunjukkan potensi pengesahan antara kanak-kanak autistik dan normal dengan ketepatan 92%. Potensi penggunaan teknik ini untuk mengenal pasti kanak-kanak autisme dapat membantu pengesanan awal bagi tujuan intervensi awal. Lebih-lebih lagi, spektrum isyarat juga menunjukkan perbezaan besar antara kedua-dua kumpulan. © 2010 IEEE.},
nota = {dipetik oleh 3},
kata kunci = {Autisme, Gangguan Spektrum Autisme, Kanak-kanak Autistik, Kanak-kanak dengan Autisme, Pengumpulan data, Penyakit, Pengesanan Awal, Campur Tangan Awal, Mengetik Jari, Model Campuran Gaussian, Teknologi maklumat, Pergerakan Motor, Perceptron Pelbagai Lapisan, Perceptron pelbagai lapisan (MLP), Pelbagai lapisan},
pubstate = {diterbitkan},
tppubtype = {persidangan}
}