@ 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}
}

@ 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}
}