您也可能阅读
通过共同作者、期刊和引用图与本文相关的文章。
Yabing Li1,2,3, Xinglong Dong1, Kun Song4
1School of Computer Science and Technology, Xi'an University of Posts and Telecommunications, Xi'an, Shaanxi, China.
这项研究引入了一种用于检测K-复合体在脑电图 (EEG) 信号中的自动化方法,提高了睡眠研究的准确性和效率. 开发的特征选择技术提高了用于临床诊断的K-复合体检测性能.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: