@ 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{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}
}