2012 |
Penjagaan, P R P; Pirapaharan, K; bazar, S A; Ismail, R; Liyanage, D L D A; Senanayake, S S H M U L; Penjagaan, S R H Autisme, EEG and brain electromagnetics research Persidangan 2012, ISBN: 9781467316668, (dipetik oleh 11). Abstrak | Pautan | BibTeX | Tag: Kejuruteraan Bioperubatan, Otak, Brain Regions, Ketepatan Pengelasan, Penyakit, EEG Signals, Electromagnetic Signals, Electromagnetics, Electromagnetism, Domain Kekerapan, International Group, Multilayer Perception Neural Networks, Neuroimaging, Analisis Komponen Utama @ persidangan{Hoole2012541, tajuk = {Autisme, EEG and brain electromagnetics research}, pengarang = {P R P Hoole and K Pirapaharan and S A Basar and R Ismail and D L D A Liyanage and S S H M U L Senanayake and S R H Hoole}, url = {https://www.scopus.com/inward/record.uri?eid=2-s2.0-84876771339&doi=10.1109%2fIECBES.2012.6498036&rakan kongsi = 40&md5=9f9390b30b859a90936c66699c1a5115}, doi = {10.1109/IECBES.2012.6498036}, isbn = {9781467316668}, tahun = {2012}, tarikh = {2012-01-01}, jurnal = {2012 Persidangan IEEE-EMBS mengenai Kejuruteraan dan Sains Bioperubatan, IECBES 2012}, halaman = {541-543}, abstrak = {There has been a significant increase in the incidence of autism. We report the work on autism by our international group, on the growing attention paid to EEG based diagnosis and the interest in tracing EEG changes to brain electromagnetic signals (BEMS), seeking the cause of autism and the brain regions of its origin. The time- and frequency domain and principal component analysis (PCA) of these EEG signals with a Multilayer Perception Neural Network (MLP) identifies an autistic subject and helps improve classification accuracy. We show differences between a working brain and a relaxed brain, especially in the Alpha waves used for diagnosis. © 2012 IEEE.}, nota = {dipetik oleh 11}, kata kunci = {Kejuruteraan Bioperubatan, Otak, Brain Regions, Ketepatan Pengelasan, Penyakit, EEG Signals, Electromagnetic Signals, Electromagnetics, Electromagnetism, Domain Kekerapan, International Group, Multilayer Perception Neural Networks, Neuroimaging, Analisis Komponen Utama}, pubstate = {diterbitkan}, tppubtype = {persidangan} } There has been a significant increase in the incidence of autism. We report the work on autism by our international group, on the growing attention paid to EEG based diagnosis and the interest in tracing EEG changes to brain electromagnetic signals (BEMS), seeking the cause of autism and the brain regions of its origin. The time- and frequency domain and principal component analysis (PCA) of these EEG signals with a Multilayer Perception Neural Network (MLP) identifies an autistic subject and helps improve classification accuracy. We show differences between a working brain and a relaxed brain, especially in the Alpha waves used for diagnosis. © 2012 IEEE. |
2011 |
Razali, N; Wahab, A 2Model Ruang Afektif (ASM) untuk mengesan kanak-kanak autistik Persidangan 2011, ISBN: 9781612848433, (dipetik oleh 8). Abstrak | Pautan | BibTeX | Tag: Kanak-kanak Autistik, Gangguan Otak, Pengimejan Otak, Teknik Pengimejan Otak, Isyarat Otak, Kanak-kanak dengan Autisme, Elektronik Pengguna, Pengumpulan data, Penyakit, Elektroencephalogram, Elektroensefalografi, Pengekstrakan Ciri, Domain Kekerapan, Pengimejan Resonans Magnetik Berfungsi, Model Campuran Gaussian, Pengimejan Resonans Magnetik, Perceptron Pelbagai Lapisan, Perceptron pelbagai lapisan, Pelbagai lapisan, Tomografi Pelepasan Positron, Resonans, Model Ruang, Hasil Pengesahan @ persidangan{Razali2011536, tajuk = {2Model Ruang Afektif (ASM) untuk mengesan kanak-kanak autistik}, pengarang = {N Razali and A Wahab}, url = {https://www.scopus.com/inward/record.uri?eid = 2-s2.0-80052392399&doi = 10.1109% 2fISCE.2011.5973888&rakan kongsi = 40&md5 = f6ea401148e6558b861e4df6407e527e}, doi = {10.1109/ISCE.2011.5973888}, isbn = {9781612848433}, tahun = {2011}, tarikh = {2011-01-01}, jurnal = {Prosiding Simposium Antarabangsa mengenai Elektronik Pengguna, ISCE}, halaman = {536-541}, abstrak = {Terdapat banyak kajian yang dilakukan terhadap kes autisme menggunakan teknik pencitraan otak. Dalam kertas ini, Electroencephalogram (LIHAT) digunakan untuk memahami dan menganalisis fungsi otak untuk mengenal pasti atau mengesan gangguan otak untuk autisme dari segi peniruan motor. Oleh itu, kebolehpasaran dan kemampuan peralatan EEG menjadikannya pilihan yang lebih baik jika dibandingkan dengan alat pengimejan otak lain seperti pengimejan resonans magnetik yang berfungsi (fMRI), tomografi pelepasan positron (PET) dan megnetoencephalography (MEG). Pengumpulan data terdiri daripada kanak-kanak autis dan normal dengan jumlah keseluruhan 6 kanak-kanak untuk setiap kumpulan. Semua subjek diminta mengepal tangan mereka dengan mengikuti rangsangan video yang disajikan 1 masa minit. Model campuran Gaussian digunakan sebagai kaedah pengekstrakan ciri untuk menganalisis isyarat otak dalam domain frekuensi. Kemudian, data pengekstrakan dikelaskan menggunakan perceptron pelbagai lapisan (MLP). Menurut hasil pengesahan, peratusan diskriminasi antara kedua-dua kumpulan adalah hingga 85% secara purata dengan menggunakan pengesahan k-kali ganda. © 2011 IEEE.}, nota = {dipetik oleh 8}, kata kunci = {Kanak-kanak Autistik, Gangguan Otak, Pengimejan Otak, Teknik Pengimejan Otak, Isyarat Otak, Kanak-kanak dengan Autisme, Elektronik Pengguna, Pengumpulan data, Penyakit, Elektroencephalogram, Elektroensefalografi, Pengekstrakan Ciri, Domain Kekerapan, Pengimejan Resonans Magnetik Berfungsi, Model Campuran Gaussian, Pengimejan Resonans Magnetik, Perceptron Pelbagai Lapisan, Perceptron pelbagai lapisan, Pelbagai lapisan, Tomografi Pelepasan Positron, Resonans, Model Ruang, Hasil Pengesahan}, pubstate = {diterbitkan}, tppubtype = {persidangan} } Terdapat banyak kajian yang dilakukan terhadap kes autisme menggunakan teknik pencitraan otak. Dalam kertas ini, Electroencephalogram (LIHAT) digunakan untuk memahami dan menganalisis fungsi otak untuk mengenal pasti atau mengesan gangguan otak untuk autisme dari segi peniruan motor. Oleh itu, kebolehpasaran dan kemampuan peralatan EEG menjadikannya pilihan yang lebih baik jika dibandingkan dengan alat pengimejan otak lain seperti pengimejan resonans magnetik yang berfungsi (fMRI), tomografi pelepasan positron (PET) dan megnetoencephalography (MEG). Pengumpulan data terdiri daripada kanak-kanak autis dan normal dengan jumlah keseluruhan 6 kanak-kanak untuk setiap kumpulan. Semua subjek diminta mengepal tangan mereka dengan mengikuti rangsangan video yang disajikan 1 masa minit. Model campuran Gaussian digunakan sebagai kaedah pengekstrakan ciri untuk menganalisis isyarat otak dalam domain frekuensi. Kemudian, data pengekstrakan dikelaskan menggunakan perceptron pelbagai lapisan (MLP). Menurut hasil pengesahan, peratusan diskriminasi antara kedua-dua kumpulan adalah hingga 85% secara purata dengan menggunakan pengesahan k-kali ganda. © 2011 IEEE. |
Ujianadminnaacuitm2020-05-28T06:49:14+00:00
2012 |
Autisme, EEG and brain electromagnetics research Persidangan 2012, ISBN: 9781467316668, (dipetik oleh 11). |
2011 |
2Model Ruang Afektif (ASM) untuk mengesan kanak-kanak autistik Persidangan 2011, ISBN: 9781612848433, (dipetik oleh 8). |