Parametric Models for Characterization, Quantification and Defection of Epileptform Events in the Electroencephalogram
Autor(a) principal: | |
---|---|
Data de Publicação: | 1999 |
Outros Autores: | |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | https://proa.ua.pt/index.php/revdeti/article/view/18711 |
Resumo: | This work presents an automated method based on the autoregressive (AR) modelling of the electroencephalogram (EEG). The EEG signal is divided in short segments (typically 2 seconds) and AR models subsequently evaluated. The model parameters quantify each segment and constitute features for classification using pattern recognition techniques. The method was validated with a data set including three types of epilepyic signals: petit mal (3 hours and 45 minutes; 7 patient), interictal spikes (10 minutes; 1 patient) and partial complex seizures (2 hours; 2 patients). (...) |
id |
RCAP_88977d302ca5cae4e7fa9334e1ac49ea |
---|---|
oai_identifier_str |
oai:proa.ua.pt:article/18711 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Parametric Models for Characterization, Quantification and Defection of Epileptform Events in the ElectroencephalogramModelos paramétricos para a caracterização, quantificação e detecção de eventos epileptiformes no electroencefalogramaThis work presents an automated method based on the autoregressive (AR) modelling of the electroencephalogram (EEG). The EEG signal is divided in short segments (typically 2 seconds) and AR models subsequently evaluated. The model parameters quantify each segment and constitute features for classification using pattern recognition techniques. The method was validated with a data set including three types of epilepyic signals: petit mal (3 hours and 45 minutes; 7 patient), interictal spikes (10 minutes; 1 patient) and partial complex seizures (2 hours; 2 patients). (...)Neste trabalho propõe-se um método para a análise automática do EEG baseado na aplicação de modelos paramétricos autoregressivos (AR). O sinal de EEG é dividido em segmentos consecutivos de curta duração (tipicamente 2 segundos) e um modelo AR é calculado para cada um. Os parâmetros assim determinados passam a caracterizar quantitativamente cada segmento, podendo-se então aplicar técnicas de reconhecimento de padrões para a sua classificação. O método foi aplicado a um conjunto de dados que se agrupam em três tipos de actividade epiléptica: sinais com crises de Pequeno Mal (3 horas e 45 minutos; 7 doentes), sinais com pontas interictais (10 minutos; 1 doente) e sinais com crises parciais complexas (2 horas; 2 doentes). (...)UA Editora1999-01-01T00:00:00Zdoctoral thesisdoctoral thesisinfo:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://proa.ua.pt/index.php/revdeti/article/view/18711oai:proa.ua.pt:article/18711Eletrónica e Telecomunicações; Vol 2 No 5 (1999); 575-576Eletrónica e Telecomunicações; vol. 2 n.º 5 (1999); 575-5762182-97721645-0493reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAPporhttps://proa.ua.pt/index.php/revdeti/article/view/18711https://proa.ua.pt/index.php/revdeti/article/view/18711/13539https://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccessVaz, Francisco António CardosoPríncipe, José Carlos2022-09-26T11:00:31Zoai:proa.ua.pt:article/18711Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T16:08:38.379665Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Parametric Models for Characterization, Quantification and Defection of Epileptform Events in the Electroencephalogram Modelos paramétricos para a caracterização, quantificação e detecção de eventos epileptiformes no electroencefalograma |
title |
Parametric Models for Characterization, Quantification and Defection of Epileptform Events in the Electroencephalogram |
spellingShingle |
Parametric Models for Characterization, Quantification and Defection of Epileptform Events in the Electroencephalogram Vaz, Francisco António Cardoso |
title_short |
Parametric Models for Characterization, Quantification and Defection of Epileptform Events in the Electroencephalogram |
title_full |
Parametric Models for Characterization, Quantification and Defection of Epileptform Events in the Electroencephalogram |
title_fullStr |
Parametric Models for Characterization, Quantification and Defection of Epileptform Events in the Electroencephalogram |
title_full_unstemmed |
Parametric Models for Characterization, Quantification and Defection of Epileptform Events in the Electroencephalogram |
title_sort |
Parametric Models for Characterization, Quantification and Defection of Epileptform Events in the Electroencephalogram |
author |
Vaz, Francisco António Cardoso |
author_facet |
Vaz, Francisco António Cardoso Príncipe, José Carlos |
author_role |
author |
author2 |
Príncipe, José Carlos |
author2_role |
author |
dc.contributor.author.fl_str_mv |
Vaz, Francisco António Cardoso Príncipe, José Carlos |
description |
This work presents an automated method based on the autoregressive (AR) modelling of the electroencephalogram (EEG). The EEG signal is divided in short segments (typically 2 seconds) and AR models subsequently evaluated. The model parameters quantify each segment and constitute features for classification using pattern recognition techniques. The method was validated with a data set including three types of epilepyic signals: petit mal (3 hours and 45 minutes; 7 patient), interictal spikes (10 minutes; 1 patient) and partial complex seizures (2 hours; 2 patients). (...) |
publishDate |
1999 |
dc.date.none.fl_str_mv |
1999-01-01T00:00:00Z |
dc.type.driver.fl_str_mv |
doctoral thesis doctoral thesis info:eu-repo/semantics/article |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://proa.ua.pt/index.php/revdeti/article/view/18711 oai:proa.ua.pt:article/18711 |
url |
https://proa.ua.pt/index.php/revdeti/article/view/18711 |
identifier_str_mv |
oai:proa.ua.pt:article/18711 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://proa.ua.pt/index.php/revdeti/article/view/18711 https://proa.ua.pt/index.php/revdeti/article/view/18711/13539 |
dc.rights.driver.fl_str_mv |
https://creativecommons.org/licenses/by/4.0/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by/4.0/ |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
UA Editora |
publisher.none.fl_str_mv |
UA Editora |
dc.source.none.fl_str_mv |
Eletrónica e Telecomunicações; Vol 2 No 5 (1999); 575-576 Eletrónica e Telecomunicações; vol. 2 n.º 5 (1999); 575-576 2182-9772 1645-0493 reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799130543698214912 |