此标签下有3条笔记。
癫痫检测算法
癫痫检测算法 癫痫发作检测算法通过对皮层脑电图（ECoG/iEEG）或多通道神经信号进行实时分析，识别发作期（ictal）与间歇期（interictal）的电生理特征差异。高灵敏度（>90%）和低误报率（<0.5 次/小时）是植入式检测系统的核心要求。 检测框架 多通道神经信号 → 预处理 → 特征提取 → 分类决策 → 发作标记 ├── 滤波 ├── 时域特征 ├── 降噪 ├── 频域特征 └── 伪迹去除 └── 压缩域特征 特征提取方法 时域特征 特征描述计算复杂度信号能量短时窗口的均方幅值低过零率 (ZCR)信号穿越零点的频率极低线长 (Line Length)波形的绝对...
多通道压缩域特征提取SoC
多通道压缩域特征提取SoC 首个全集成多通道压缩域特征提取 SoC，面向皮层植入式癫痫检测。在模拟/数字域直接对压缩后的神经信号提取特征，避免完整信号重建，大幅降低数据率和无线传输功耗。由 Shoaran/Schmid 在 AACD 2015 提出。 设计动机 皮层脑电（ECoG）记录需要大量的电极通道（≥16），导致： 数据率过高：数字化的多通道神经信号 > 数 Mbps 无线传输功耗占系统总功耗的主要部分 传统方案先完整重建信号再提取特征 → 功耗浪费 架构创新 压缩域特征提取 在压缩感知（Compressive Sensing）域直接提取统计特征 避免 Nyquist 率采样和完整...
Shoaran 2016 Compressive Sensing Platform for Cortical Implants 深度解析
Shoaran 2016: Power-Efficient Compressive Sensing for Cortical Implants 来源: M. Shoaran, A.