The numerical methods for identification and analysis of electroencephalographic signals
Fragment książki (Rozdział monografii pokonferencyjnej)
MNiSW
20
Poziom I
| Status: | |
| Autorzy: | Sokołowska Justyna , Zubrzycki Jarosław, Marchewka Magdalena |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Wersja dokumentu: | Elektroniczna |
| Arkusze wydawnicze: | 4,6 |
| Język: | angielski |
| Strony: | 53 - 63 |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | TAK |
| Nazwa konferencji: | First edition of AGH International Student Conference: Knowledge, Technology and Society (AGH ISC) |
| Skrócona nazwa konferencji: | AGH ISC 2018 |
| URL serii konferencji: | LINK |
| Termin konferencji: | 10 października 2018 do 12 października 2018 |
| Miasto konferencji: | Kraków |
| Państwo konferencji: | POLSKA |
| Publikacja OA: | TAK |
| Licencja: | |
| Sposób udostępnienia: | Witryna wydawcy |
| Wersja tekstu: | Ostateczna wersja opublikowana |
| Czas opublikowania: | W momencie opublikowania |
| Data opublikowania w OA: | 1 grudnia 2019 |
| Abstrakty: | angielski |
| Human body is a living generator of bioelectric signals. One of the most commonly record-ed and processed signal is electrical activity of brain. Electroencephalogram is a record of changes in the electromagnetic field. The main field which is dealing with the appli-cation of encephalography is the diagnosis of epilepsy. Analysis of the raw EEG signal is difficult for an untrained neurologist so the numerical analysis comes to rescue. The paper presents possibility of using some of the digital signal processing methods. Thanks to them comparison of EEG signal of the healthy person and of the person suffering from epilepsy becomes easier. The research was conducted in Lublin University of Technology. The main tools used are Fourier transformations, wavelet transform and Hilbert–Huang transform. Matlab FFT spectral analysis was used, separately for between-seizure and sei-zure waveform. Then using Svarog program we obtained time-frequency spectrum. When analyzing wavelet spectrograms, we can obtain information which frequency is dominant, its amplitude and the distribution over time, which allows us to accurately determine when the epileptic attack starts and how long it will last. The methods mentioned can be helpful in creating mathematical algorithms for detecting and identifying irregularities and then to alert medical staff. |
