• English
    • العربية
  • English
  • تسجيل الدخول
  • جامعة قطر
  • مكتبة جامعة قطر
  •  الصفحة الرئيسية
  • الوحدات والمجموعات
  • عن المستودع الرقمي
    • الرؤية والرسالة
  • المساعدة
    • إرسال الأعمال الأكاديمية
    • سياسات الناشر
    • أدلة المستخدم
      • عرض المستودع الرقمي
      • البحث في المستودع الرقمي (البحث البسيط والبحث المتقدم)
      • ارسال عملك للمستودع الرقمي
      • مصطلحات المستودع الرقمي
عرض التسجيلة 
  •   مركز المجموعات الرقمية لجامعة قطر
  • المستودع الرقمي لجامعة قطر
  • أكاديمية
  • مساهمة أعضاء هيئة التدريس
  • كلية الهندسة
  • علوم وهندسة الحاسب
  • عرض التسجيلة
  • مركز المجموعات الرقمية لجامعة قطر
  • المستودع الرقمي لجامعة قطر
  • أكاديمية
  • مساهمة أعضاء هيئة التدريس
  • كلية الهندسة
  • علوم وهندسة الحاسب
  • عرض التسجيلة
  •      
  •  
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    High performance EEG feature extraction for fast epileptic seizure detection

    Thumbnail
    التاريخ
    2018
    المؤلف
    Hussein R.
    Elgendi M.
    Ward R.
    Mohamed A.
    البيانات الوصفية
    عرض كامل للتسجيلة
    الملخص
    Epilepsy is a neurological disorder that affects around 70 million people worldwide. Early detection of epileptic seizures has the potential to help patients in improving their quality of life. Electroencephalogram (EEG) has been used to record the brain's electrical activities associated with seizures. This paper presents a fast method for selecting EEG features that are relevant to early detection of epileptic seizures. The feature extraction model is based on LASSO regression and is applied to the EEG spectrum to recognize the EEG spectral features pertinent to seizures. These features are then selected and fed into a random forest (RF) classifier for epileptic seizure recognition. Compared to the state-of-the-art methods, the proposed scheme achieves the highest detection performance of 100% sensitivity, 100% specificity, 100% classification accuracy, and 1.18 Sec detection delay. Furthermore, our model has proven to be robust in noisy and abnormal conditions.
    DOI/handle
    http://dx.doi.org/10.1109/GlobalSIP.2017.8309101
    http://hdl.handle.net/10576/12299
    المجموعات
    • علوم وهندسة الحاسب [‎2485‎ items ]

    entitlement


    مركز المجموعات الرقمية لجامعة قطر هو مكتبة رقمية تديرها مكتبة جامعة قطر بدعم من إدارة تقنية المعلومات

    اتصل بنا
    اتصل بنا | جامعة قطر

     

     

    الصفحة الرئيسية

    أرسل عملك التابع لجامعة قطر

    تصفح

    محتويات مركز المجموعات الرقمية
      الوحدات والمجموعات تاريخ النشر المؤلف العناوين الموضوع النوع اللغة الناشر
    هذه المجموعة
      تاريخ النشر المؤلف العناوين الموضوع النوع اللغة الناشر

    حسابي

    تسجيل الدخول

    إحصائيات

    عرض إحصائيات الاستخدام

    عن المستودع الرقمي

    الرؤية والرسالة

    المساعدة

    إرسال الأعمال الأكاديميةسياسات الناشر

    مركز المجموعات الرقمية لجامعة قطر هو مكتبة رقمية تديرها مكتبة جامعة قطر بدعم من إدارة تقنية المعلومات

    اتصل بنا
    اتصل بنا | جامعة قطر

     

     

    Video