Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Weighted Dissemination of Bundles in Probabilistic Spray and Wait Routing Protocol Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

An Automated System for Epileptic Seizure Detection Using EEG

verfasst von : Bilal Alam Khan, Anam Hashmi, Omar Farooq

Erschienen in: Advances in Data and Information Sciences

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Epileptic seizures are usually investigated using EEG. The dynamic and statistical properties of brain waves of an individual with seizure are different from a normal person’s brain waves. This paper exploits these underlying properties of EEG using Lyapunov exponent and approximate entropy and proposes a novel statistical feature namely Gini’s coefficient. In this paper, we propose an automated system for detecting seizure using statistical and machine learning algorithm. The data used was publicly available with five different classes (normal to seizure). Linear discriminant analysis (LDA) was used to classify the extracted features. The proposed method gives the best accuracy of 100% in detecting seizure from the EEG.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel An Extended Playfair Encryption Technique Based on Fibonacci Series
Nächstes Kapitel Addressing Security and Privacy Issues of Load Balancing Using Hybrid Algorithm
Literatur
1.
Fisher, R. S. et al. (2005). Epileptic seizures and epilepsy: Definitions proposed by the international league against Epilepsy (ILAE). International Bureau for Epilepsy (IBE). Epilepsia, 46, 470–472.
2.
Elger, C. E., et al. (2006). Seizure prediction: The long and winding road. Brain, 130, 314–333.
3.
Birbeck, G. L. (2010). Epilepsy care in developing countries: part I of II. Epilepsy Currents, 10, 75–79.CrossRef
4.
Rolston, J. D. et al. (2011). Electrical stimulation for epilepsy: Experimental approaches. Neurosurgery Clinics of North America, 425–v.
5.
Herman, S. T. et al. (2015). Society, C.C.C.E.E.G.T.F. of the A.C.N.: Consensus statement on continuous EEG in critically ill adults and children, part I: indications. Journal of Clinical Neurophysiology, 32, 87–95.
6.
Wilson, S. B., et al. (2003). Seizure detection: Correlation of human experts. Clinical Neurophysiology, 114, 2156–2164.CrossRef
7.
Tawfik, N. et al. (2015). A hybrid automated detection of epileptic seizures in EEG records.
8.
Wang, L. et al. (2017). Automatic epileptic seizure detection in EEG signals using multi-domain feature extraction and nonlinear analysis.
9.
Tzallas, A. T., et al. (2009). Epileptic seizure detection in EEGs using time-frequency analysis. IEEE Transactions on Information Technology in Biomedicine, 13, 703–710.CrossRef
10.
Gajic, D., et al. (2015). Detection of epileptiform activity in EEG signals based on time-frequency and non-linear analysis. Frontiers in Computational Neuroscience, 9, 38.CrossRef
11.
Andrzejak, R. G. et al. (2001). Indications of nonlinear deterministic and finite-dimensional structures in time series of brain electrical activity: Dependence on recording region and brain state, 64, 1–8.
12.
Mohseni, H. R. et al. (2006). Seizure detection in EEG signals: A comparison of different approaches, 6724–6727.
13.
Kannathal, N. et al. (2005). Characterization of EEG—A comparative study.
14.
Wolf, A. et al., Determining Lyapunov exponents from a time series alan WOLF. Jack B. SWIFT, Harry L. SWINNEY and John A. VASTANO, 285–317.
15.
16.
Hurley, N. et al. (2009). Comparing measures of Sparsity. 55, 4723–4741.
17.
Sen, A. (1973). On economic inequality. Clarendon Press. Oxford.
18.
Haeb, A., & Ney, H., Linear discriminant analysis.
19.
Alam, S. M., & Bhuiyan, M. (2013). Detection of seizure and epilepsy using higher order statistics in the EMD domain.
20.
Khan, Y., Farooq, O. (2015). Wavelet-based multi-class discrimination of EEG for seizure detection. 19, 266–278.
Metadaten
Titel
An Automated System for Epileptic Seizure Detection Using EEG
verfasst von
Bilal Alam Khan
Anam Hashmi
Omar Farooq
Copyright-Jahr
2020
Verlag
Springer Singapore
Buch
Advances in Data and Information Sciences

Print ISBN: 978-981-15-0693-2

Electronic ISBN: 978-981-15-0694-9

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-981-15-0694-9_15

Neuer Inhalt

    Bildnachweise