Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Seizures: Classification01:13

Seizures: Classification

582
Epilepsy is primarily characterized by unpredictable seizures, either provoked by an identifiable factor, such as injury or illness, or unprovoked, occurring spontaneously without apparent cause.
Seizures are typically classified into two main categories: focal and generalized seizures.
Focal Seizures
Focal seizures originate from specific regions of the brain. These seizures are further sub-classified into two types:
582

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same journal

Social Determinants of Health and Their Association With Parkinson's Disease Prevalence in US Adults: Insights From NHANES 2001-2020.

Behavioural neurology·2026
Same journal

GLP-1 Agonist Attenuates Nicotine Reward-Related Behavior by Regulating the Prepro-Orexin in the Hypothalamus and Prepro-Glucagon in the Nucleus Tractus Solitarius.

Behavioural neurology·2026
Same journal

Using Virtual Reality to Complement Paper-and-Pencil Tests to Assess Visual Unilateral Spatial Neglect: A Feasibility Study.

Behavioural neurology·2026
Same journal

Adverse Childhood Experiences Underlie Race-Related Differences in Neural Reactivity to Stress.

Behavioural neurology·2026
Same journal

The Clinical Effect of Annonaceae Fruit Consumption on Caribbean Parkinson's Disease Severity.

Behavioural neurology·2026
Same journal

Mind the Gap: A Systematic Review of Borderline Intellectual Functioning in Childhood and Adolescence.

Behavioural neurology·2026
関連記事をすべて見る

関連する実験動画

Updated: Sep 9, 2025

Automatic Detection of Highly Organized Theta Oscillations in the Murine EEG
09:35

Automatic Detection of Highly Organized Theta Oscillations in the Murine EEG

Published on: March 10, 2017

9.3K

埋め込みゼロツリーウェーベレットアプローチとサポートベクトルマシンを使用して,リアルタイムでを検出する方法

P Padmapriya1, V Rajamani2

  • 1Department of Biomedical Engineering, SRM Institute of Science and Technology (Deemed to Be University), Ramapuram Campus, Chennai, Tamil Nadu, India.

Behavioural neurology
|September 4, 2025
PubMed
まとめ
この要約は機械生成です。

この研究は,電気脳波 (EEG) のデータを用いて,発作を検出するための新しいリアルタイム方法を提示しています. 埋め込まれたゼロツリーウェーブレット (EZW) トランスフォーマーとサポートベクトルマシン (SVM) を組み合わせることで,9.02%の精度でを特定することができました.

キーワード:
電気脳図 (EEG)埋め込まれたゼロツリーウェーブレット (EZW)エピレプシーサポートベクトルマシン (SVM)

さらに関連する動画

Author Spotlight: Unraveling Seizure Dynamics and Novel Therapeutics for Status Epilepticus Using CMOS High-Density Microelectrode Array Systems
06:28

Author Spotlight: Unraveling Seizure Dynamics and Novel Therapeutics for Status Epilepticus Using CMOS High-Density Microelectrode Array Systems

Published on: September 27, 2024

2.6K
Behavioral And Physiological Analysis In A Zebrafish Model Of Epilepsy
08:26

Behavioral And Physiological Analysis In A Zebrafish Model Of Epilepsy

Published on: October 19, 2021

5.8K

関連する実験動画

Last Updated: Sep 9, 2025

Automatic Detection of Highly Organized Theta Oscillations in the Murine EEG
09:35

Automatic Detection of Highly Organized Theta Oscillations in the Murine EEG

Published on: March 10, 2017

9.3K
Author Spotlight: Unraveling Seizure Dynamics and Novel Therapeutics for Status Epilepticus Using CMOS High-Density Microelectrode Array Systems
06:28

Author Spotlight: Unraveling Seizure Dynamics and Novel Therapeutics for Status Epilepticus Using CMOS High-Density Microelectrode Array Systems

Published on: September 27, 2024

2.6K
Behavioral And Physiological Analysis In A Zebrafish Model Of Epilepsy
08:26

Behavioral And Physiological Analysis In A Zebrafish Model Of Epilepsy

Published on: October 19, 2021

5.8K

科学分野:

  • 神経科学
  • バイオメディカルエンジニアリング
  • シグナル処理

背景:

  • 発作は慢性神経疾患で,異常なニューロンの発火による一時的な脳機能障害が特徴です.
  • 患者さんの管理と治療において,エピレプシー発作の正確かつ適時な検出は極めて重要です.
  • 電気脳波 (EEG) データを分析するための既存の方法は,リアルタイム処理と重要な診断情報の保存に問題があります.

研究 の 目的:

  • EEGデータからエピレプシス発作を検出するための革新的なリアルタイムの方法論を開発し評価する.
  • 先進的な信号処理技術により,の検出の効率と正確さを高める.
  • 臨床環境におけるエピレプシーのリアルタイムのモニタリングのための実用的で堅牢なソリューションを提供すること.

主な方法:

  • マルチチャネルEEGデータの効率的な圧縮とマルチ解像度分析のために埋め込まれたゼロツリーウェーブレット (EZW) 変換を使用した.
  • 圧縮されたEEGセグメントからエントロピー,クルトーシス,斜率,平均を含む統計的特徴を抽出しました.
  • 支持ベクトルマシン (SVM) 分類器を用いて,正常な脳活動との脳活動を区別した.

主要な成果:

  • 99.02%の高い分類精度で 発作と正常な脳活動を区別しました
  • 偽陽性率はわずか1.1%で,提案されたメソッドの高い信頼性を示した.
  • 統合されたアプローチは,EEGデータの圧縮と分析中に重要な診断特性を効果的に保存しました.

結論:

  • SVMとEZWベースの特徴抽出を統合した,提案されたリアルタイム発作検出方法は,EEG分析の重要な進歩を提供します.
  • 高い精度と低い偽陽性率は,リアルタイムでの臨床実施に適していることを示唆しています.
  • この新しいアプローチは,重要な情報を保存し,強固なの検出のための多チャンネルEEG信号をサポートすることで,以前の方法の限界に対処します.