2018 |
Sudirman, R; Hussin, S S; Airij, A G; Hai, C Z Penunjuk profil untuk kanak-kanak autistik menggunakan potensi biosignal EEG untuk tugas deria Persidangan Institut Jurutera Elektrik dan Elektronik Inc., 2018, ISBN: 9781538612774, (dipetik oleh 0). Abstrak | Pautan | BibTeX | Tag: Kanak-kanak Autistik, Pemprosesan Isyarat Bioperubatan, Otak, Kanak-kanak dengan Autisme, Elektroensefalografi, Elektrofisiologi, Anggaran Entropi, Analisis Komponen Bebas, MATLAB, Rangkaian Neural, Masalah Neurologi, Analisis Deria, Profil Deria, Rangsangan Deria, Paket Wavelet Berubah @ persidangan{Sudirman2018136, tajuk = {Penunjuk profil untuk kanak-kanak autistik menggunakan potensi biosignal EEG untuk tugas deria}, pengarang = {R Sudirman dan SS Hussin dan A G Airij dan C Z Hai}, url = {https://www.scopus.com/inward/record.uri?eid=2-s2.0-85058032461&doi = 10.1109% 2fICBAPS.2018.8527403&rakan kongsi = 40&md5=30dbb1596f4a0529332713c087bd788d}, doi = {10.1109/ICBAPS.2018.8527403}, isbn = {9781538612774}, tahun = {2018}, tarikh = {2018-01-01}, jurnal = {2nd Persidangan Antarabangsa mengenai Analisis BioSignal, Pemprosesan dan Sistem, ICBAPS 2018}, halaman = {136-141}, penerbit = {Institut Jurutera Elektrik dan Elektronik Inc.}, abstrak = {Elektroensefalografi (LIHAT) ialah ukuran voltan yang disebabkan oleh aktiviti saraf di dalam otak. EEG ialah alat yang disyorkan untuk mendiagnosis masalah neurologi kerana ia tidak invasif dan boleh direkodkan dalam tempoh masa yang lebih lama.. Kanak-kanak Autism Spectrum Disorder (ASD) mengalami kesukaran untuk meluahkan emosi mereka kerana ketidakupayaan mereka memproses maklumat yang betul dalam otak. Oleh itu, penyelidikan ini bertujuan untuk membina profil deria dengan bantuan potensi biosignal EEG untuk membezakan antara tindak balas deria yang berbeza. Isyarat EEG yang diperoleh dalam penyelidikan ini mengenal pasti keadaan emosi yang berbeza seperti berfikiran positif atau super-pembelajaran dan relaksasi ringan dan berada dalam julat frekuensi 8-12 Hertz. 64 kanak-kanak mengambil bahagian dalam penyelidikan ini antaranya 34 adalah kanak-kanak dengan ASD dan 30 adalah kanak-kanak biasa. Data EEG dikod semula manakala semua kanak-kanak dibekalkan dengan vestibular, visual, bunyi, rasa dan rangsangan deria vestibular. Data EEG mentah telah ditapis dengan bantuan analisis komponen bebas (ICA) menggunakan transformasi wavelet dan perisian EEGLAB. Nanti, untuk membina profil deria, penghampiran entropi, min dan sisihan piawai telah diekstrak daripada isyarat EEG yang ditapis. Bersama-sama dengan itu, data EEG yang ditapis juga disalurkan ke rangkaian saraf (NN) algoritma yang telah dilaksanakan dalam MATLAB. Keputusan daripada isyarat EEG yang diperoleh menggambarkan bahawa semasa fasa rangsangan deria, respons semua kanak-kanak autisme berada dalam keadaan tidak stabil. Penemuan ini akan melengkapkan dan membantu strategi pembelajaran mereka pada masa hadapan. © 2018 IEEE.}, nota = {dipetik oleh 0}, kata kunci = {Kanak-kanak Autistik, Pemprosesan Isyarat Bioperubatan, Otak, Kanak-kanak dengan Autisme, Elektroensefalografi, Elektrofisiologi, Anggaran Entropi, Analisis Komponen Bebas, MATLAB, Rangkaian Neural, Masalah Neurologi, Analisis Deria, Profil Deria, Rangsangan Deria, Paket Wavelet Berubah}, pubstate = {diterbitkan}, tppubtype = {persidangan} } Elektroensefalografi (LIHAT) ialah ukuran voltan yang disebabkan oleh aktiviti saraf di dalam otak. EEG ialah alat yang disyorkan untuk mendiagnosis masalah neurologi kerana ia tidak invasif dan boleh direkodkan dalam tempoh masa yang lebih lama.. Kanak-kanak Autism Spectrum Disorder (ASD) mengalami kesukaran untuk meluahkan emosi mereka kerana ketidakupayaan mereka memproses maklumat yang betul dalam otak. Oleh itu, penyelidikan ini bertujuan untuk membina profil deria dengan bantuan potensi biosignal EEG untuk membezakan antara tindak balas deria yang berbeza. Isyarat EEG yang diperoleh dalam penyelidikan ini mengenal pasti keadaan emosi yang berbeza seperti berfikiran positif atau super-pembelajaran dan relaksasi ringan dan berada dalam julat frekuensi 8-12 Hertz. 64 kanak-kanak mengambil bahagian dalam penyelidikan ini antaranya 34 adalah kanak-kanak dengan ASD dan 30 adalah kanak-kanak biasa. Data EEG dikod semula manakala semua kanak-kanak dibekalkan dengan vestibular, visual, bunyi, rasa dan rangsangan deria vestibular. Data EEG mentah telah ditapis dengan bantuan analisis komponen bebas (ICA) menggunakan transformasi wavelet dan perisian EEGLAB. Nanti, untuk membina profil deria, penghampiran entropi, min dan sisihan piawai telah diekstrak daripada isyarat EEG yang ditapis. Bersama-sama dengan itu, data EEG yang ditapis juga disalurkan ke rangkaian saraf (NN) algoritma yang telah dilaksanakan dalam MATLAB. Keputusan daripada isyarat EEG yang diperoleh menggambarkan bahawa semasa fasa rangsangan deria, respons semua kanak-kanak autisme berada dalam keadaan tidak stabil. Penemuan ini akan melengkapkan dan membantu strategi pembelajaran mereka pada masa hadapan. © 2018 IEEE. |
2015 |
Khosrowabadi, R; Quek, C; Ang, K K; Wahab, A; Chen, Annabel S -H Dynamic screening of autistic children in various mental states using pattern of connectivity between brain regions Artikel Jurnal Applied Soft Computing Journal, 32 , hlm. 335-346, 2015, ISSN: 15684946, (dipetik oleh 6). Abstrak | Pautan | BibTeX | Tag: Gangguan Spektrum Autisme, Pemprosesan Isyarat Bioperubatan, Otak, Connectivity Feature, Connectivity Pattern, Penyakit, Elektroensefalografi, Face Perceptions, Pengekstrakan Ciri, Functional Connectivity, Pengecaman Corak, Pattern Recognition Techniques @artikel{Khosrowabadi2015335, tajuk = {Dynamic screening of autistic children in various mental states using pattern of connectivity between brain regions}, pengarang = {R Khosrowabadi and C Quek and K K Ang and A Wahab and S -H Annabel Chen}, url = {https://www.scopus.com/inward/record.uri?eid=2-s2.0-84927922520&doi=10.1016%2fj.asoc.2015.03.030&rakan kongsi = 40&md5=5973f80db5649e5c61e344907819a18b}, doi = {10.1016/j.asoc.2015.03.030}, terbitan = {15684946}, tahun = {2015}, tarikh = {2015-01-01}, jurnal = {Applied Soft Computing Journal}, isi padu = {32}, halaman = {335-346}, penerbit = {Elsevier Ltd.}, abstrak = {Dalam kajian ini, a dynamic screening strategy is proposed to discriminate subjects with autistic spectrum disorder (ASD) from healthy controls. The ASD is defined as a neurodevelopmental disorder that disrupts normal patterns of connectivity between the brain regions. Oleh itu, the potential use of such abnormality for autism screening is investigated. The connectivity patterns are estimated from electroencephalogram (LIHAT) data collected from 8 brain regions under various mental states. The EEG data of 12 healthy controls and 6 kanak-kanak autistik (age matched in 7-10) were collected during eyes-open and eyes-close resting states as well as when subjects were exposed to affective faces (happy, sad and calm). Subsequently, the subjects were classified as autistic or healthy groups based on their brain connectivity patterns using pattern recognition techniques. Performance of the proposed system in each mental state is separately evaluated. The results present higher recognition rates using functional connectivity features when compared against other existing feature extraction methods. © 2015 Published by Elsevier B.V.}, nota = {dipetik oleh 6}, kata kunci = {Gangguan Spektrum Autisme, Pemprosesan Isyarat Bioperubatan, Otak, Connectivity Feature, Connectivity Pattern, Penyakit, Elektroensefalografi, Face Perceptions, Pengekstrakan Ciri, Functional Connectivity, Pengecaman Corak, Pattern Recognition Techniques}, pubstate = {diterbitkan}, tppubtype = {artikel} } Dalam kajian ini, a dynamic screening strategy is proposed to discriminate subjects with autistic spectrum disorder (ASD) from healthy controls. The ASD is defined as a neurodevelopmental disorder that disrupts normal patterns of connectivity between the brain regions. Oleh itu, the potential use of such abnormality for autism screening is investigated. The connectivity patterns are estimated from electroencephalogram (LIHAT) data collected from 8 brain regions under various mental states. The EEG data of 12 healthy controls and 6 kanak-kanak autistik (age matched in 7-10) were collected during eyes-open and eyes-close resting states as well as when subjects were exposed to affective faces (happy, sad and calm). Subsequently, the subjects were classified as autistic or healthy groups based on their brain connectivity patterns using pattern recognition techniques. Performance of the proposed system in each mental state is separately evaluated. The results present higher recognition rates using functional connectivity features when compared against other existing feature extraction methods. © 2015 Published by Elsevier B.V. |
Ujianadminnaacuitm2020-05-28T06:49:14+00:00
2018 |
Penunjuk profil untuk kanak-kanak autistik menggunakan potensi biosignal EEG untuk tugas deria Persidangan Institut Jurutera Elektrik dan Elektronik Inc., 2018, ISBN: 9781538612774, (dipetik oleh 0). |
2015 |
Dynamic screening of autistic children in various mental states using pattern of connectivity between brain regions Artikel Jurnal Applied Soft Computing Journal, 32 , hlm. 335-346, 2015, ISSN: 15684946, (dipetik oleh 6). |