Различные паттерны энтропии перестановок электроэнцефалограммы при эпилептиформной активности
##plugins.themes.bootstrap3.article.main##
Аннотация
Показано поведение временной зависимости энтропии перестановок при изменении порядка c третьего до седьмого для электроэнцефалограмм (ЭЭГ), содержащих эпилептиформную активность. Установлено, что изменение порядка в пределах от трех до семи не имеет существенного влияния на получаемые результаты. Было выделено две различные группы сигналов, содержащих эпилептиформную активность, одна со снижением энтропии перестановок в области с эпилептиформной активностью, а другая – с увеличением энтропии перестановок при эпилептиформной активности.
Библ. 17, рис. 6
##plugins.themes.bootstrap3.article.details##
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, публикующиеся в данном журнале, соглашаются со следующими условиями:- Авторы сохраняют за собой права на авторство своей работы и предоставляют журналу право первой публикации этой работы на условиях лицензии Creative Commons Attribution License, которая позволяет другим лицам свободно распространять опубликованную работу с обязательной ссылокой на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы сохраняют право заключать отдельные договора на неэксклюзивное распространение работы в том виде, в котором она была опубликована этим журналом (например, размещать работу в электронном архиве учреждения или публиковать в составе монографии), с условием сохраниения ссылки на оригинальную публикацию в этом журнале.
- Политика журнала разрешает и поощряет размещение авторами в сети Интернет (например в институтском хранилище или на персональном сайте) рукописи работы как до ее подачи в редакцию, так и во время ее редакционной обработки, так как это способствует продуктивной научной дискуссии и положительно сказывается на оперативности и динамике цитирования статьи (см. The Effect of Open Access).
Библиографические ссылки
Avilov O. (2013), “Influence of extra noise adding on the EEG permutation entropy”. VI International
scientific and technical conference of young scientists “Electronics-2013”, April, 25-25, 2013 : Proceedings. Kyiv (Ukraine). Pp. 173-176. (In Ukrainian)
Avilov O., Popov A. (2012), “Influence of order on the permutation entropy”. ХI International scientific
and technical conference «Physical processes and fields of technical and biological objects», November, 2-4, 2012 : Proceedings. Kremenchuk (Ukraine). Pp. 118-119. (In Ukrainian)
Avilov O., Popov A., Kanaikin O., Kyselova O. (2012), “Permutation entropy analysis of electroencephalogram”. XXXII International Scientific Conference Electronics and Nanotechnology, 10-12 April
: proceedings Kyiv, Pp. 158-159. ISBN 978-1-4673-4670-2.
Avilov O., Popov A., Kanaikin O. (2013), “Permutation entropy of EEG signals for different sampling
rate and time lag combinations”. SPS-2013, 5-7 June 2013. proceedings. Warsaw, ISBN 978-1-4673-
-1
Bandt C., Pompe B. (2002), “Permutation entropy: A natural complexity measure for time series”.
Physical Review Letters. Vol. 88. ISSN 1079-7114.
Bruzzo A.A., Gesierich B., Santi M., Tassinari C.A., Birbaumer N., Rubboli G. (2008), “Permutation entropy to detect vigilance changes and preictal states from scalp EEG in epileptic patients. A preliminary study”. Neurological Sciences.February 2008. Vol. 29. Pp. 3-9.
Goldberger A.L., Amaral L.A.N., Glass L., Hausdorff J.M., Ivanov P.Ch., Mark R.G., Mietus J.E.,
Moody G.B., Peng C.K., Stanley H.E. (2000), “PhysioBank, PhysioToolkit, and PhysioNet: Components of a New Research Resource for Complex Physiologic Signals”. Circulation 101(23). Pp. :e215-
e220. [Circulation Electronic Pages; http://circ.ahajournals.org/cgi/content/full/101/23/e215]; 2000
(June 13). PMID: 10851218; doi: 10.1161/01.CIR.101.23.e215
Lehnertz K. (1999), “Chaos in Brain”. World Scientific. Singapore, ISBN 978-981-4493-58-1.
Mammone N., Morabito F.C. (2011), “Analysis of absence seizure EEG via Permutation Entropy spatio-temporal clustering”. Proceedings of International Joint Conference on Neural Networks, San Jose,
California. USA, Pp. 1417-1422.
Nicolaou N., Georgiou J. (2012), “Detection of epileptic electroencephalogram based on Permutation
Entropy and Support Vector Machines”. Expert Systems with Applications. Vol. 39 . Pp. 202–209.
Ouyang G., Wang Y., Li X. (2009),”Auto Mutual Information Analysis with Order Patterns for Epileptic
EEG”. Sixth International Conference on Fuzzy Systems and Knowledge Discovery. Pp. 23-27.
. Avilov O, Popov A., Kanaikin O. (2013), “ Saturation of electroencephalogram permutation entropy
for large time lags”. XXXIII International Scientific Conference Electronics and Nanotechnology, 16-19
April 2013.: proceedings Kyiv, Pp. 251-254. ISBN: 978-1-4673-4670-2.
Shoeb A. (2009), “Application of Machine Learning to Epileptic Seizure Onset Detection and Treatment“. PhD Thesis, Massachusetts Institute of Technology September, 2009.
Veisi I., Pariz N., Karimpour A. (2007), “Fast and Robust Detection of Epilepsy in Noisy BEG Signals
Using Permutation Entropy”. Proceedings of the 7th IEEE International Conference on Bioinformatics
and Bioengineering. Pp. 200 — 203.
Xiaoli Li., GaoxiangOuyang. (2010), “ Estimating coupling direction between neuronal populations with
permutation conditional mutual information”. NeuroImage Vol. 52. Pp. 497-507.
Xiaoli Li, Gaoxian Ouyang, Douglas A. Richards. (2007), “Predictability analysis of absence seizures
with permutation entropy”. Epilepsy Research, Vol. 77. Pp. 70-74. ISSN 0920-1211
Yinhe Cao, Wen-wen Tung, J. B. Gao, V. A. (2004), “Protopopescu, and L. M. Hively. Detecting dynamical changes in time series using the permutation entropy”. Physical review E70.
