2009
DOI: 10.1016/j.clinph.2009.09.002
|View full text |Cite
|
Sign up to set email alerts
|

Classification of patterns of EEG synchronization for seizure prediction

Abstract: Objective: Research in seizure prediction from intracranial EEG has highlighted the usefulness of bivariate measures of brainwave synchronization. Spatio-temporal bivariate features are very high-dimensional and cannot be analyzed with conventional statistical methods. Hence, we propose state-of-the-art machine learning methods that handle high-dimensional inputs. Methods: We computed bivariate features of EEG synchronization (cross-correlation, nonlinear interdependence, dynamical entrainment or wavelet synch… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
2
2
1

Citation Types

0
183
0
6

Year Published

2012
2012
2023
2023

Publication Types

Select...
5
2
1

Relationship

0
8

Authors

Journals

citations
Cited by 336 publications
(189 citation statements)
references
References 31 publications
0
183
0
6
Order By: Relevance
“…Mirowski et al [20] presented a method based on computing bivariate features of EEG synchronization. These features are cross correlation, non-linear independence, dynamic entrainment, and wavelet synchrony.…”
Section: Wrapper Techniquesmentioning
confidence: 99%
See 2 more Smart Citations
“…Mirowski et al [20] presented a method based on computing bivariate features of EEG synchronization. These features are cross correlation, non-linear independence, dynamic entrainment, and wavelet synchrony.…”
Section: Wrapper Techniquesmentioning
confidence: 99%
“…They used time aggregation for features before classification. Chang et al [22] proposed a channel selection method to reduce the feature pattern size produced from Mirowski et al work [20] for seizure prediction. Their work can be classified as a wrapper technique with a pre-specified subset of channels.…”
Section: Wrapper Techniquesmentioning
confidence: 99%
See 1 more Smart Citation
“…Recent applications of the WT and Neural Network (NN) to engineering-medical problems can be found in several studies that refer primarily to signal processing and classification in different medical areas. Several authors used WT in different ways to analyze EEG signals and combined WT and NN in the process of classification Guo et al, 2010;Leung et al, 2009;Mirowski et al, 2009;Zandi et al, 2008).…”
Section: Introductionmentioning
confidence: 99%
“…Вже існує велика кількість методів прогнозування епілептичних нападів [12,9], але вони мають цілий ряд недо-ліків, основним з яких є висока обчислювальна складність цих методів, що наразі практично унеможливлює їх використання в реальних сис-темах прогнозування. В роботі [8] було виявле-но зниження синхронізації між каналами сигналу перед епілептичним нападом в сигналі ЕЕГ, са-ме тому міри синхронізації представляють най-більший інтерес серед ознак для прогнозування епілептичних нападів. Метою даної роботи є до-слідження можливості використання кореляції між каналами сигналу ЕЕГ для прогнозування епілептичних нападів.…”
Section: вступunclassified