《表1 基于1 s片段的癫痫脑电分类结果》
提示：宽带有限、当前游客访问压缩模式
实验对12份数据各自的癫痫发作进行交叉测试，基于1 s癫痫样本的分类结果如表1所示。
| 图表编号 | XD003911100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.01 |
| 作者 | 卫作臣、邹俊忠、张见、陈兰岚 |
| 绘制单位 | 华东理工大学信息科学与工程学院自动化系、华东理工大学信息科学与工程学院自动化系、华东理工大学信息科学与工程学院自动化系、华东理工大学信息科学与工程学院自动化系 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 头颅MR、脑电图结果与PSE患者不同癫痫发作类型分析（例）》2020.10.20
- 《表1 脑电数据分类结果：基于非负CP分解模型的边界规避任务中脑电特征提取方法研究》2021.02.20
- 《表2 感官评定标准：基于1DCNN-XGBoost混合模型的癫痫脑电分类》2020.12.31
- 《表1 2组癫痫发作情况：视频脑电图对于癫痫早期诊断价值的研究》2020.07.25
- 《表1 各模型性能对比：基于图注意力深度神经网络的癫痫脑电尖波识别》2020.02.18
- 《表1 不同年龄段癫痫患儿脑电图异常情况（例）》2020.03.20
- 《表2 癫痫发作1小时与发作24小时的脑电图检查结果与各项指标分析（±s)》2020.03.01
- 《表1 儿童失神癫痫的脑电图特征》2020.03.20
- 《表1 癫痫脑电信号发作间期特征样本》2020.01.01
- 《表3 癫痫脑电信号分类结果比较》2020.01.01
- 《表4 分类结果比较：基于脑电的立体视频加速度的特征识别》2019.10.01
- 《表1 分析癫痫发作类型和视频脑电图特点》2019.06.25
- 《表1 小儿癫痫患者不同时限视频脑电图情况[n (%) ]》2019.06.15
- 《表1 脑电图癫痫波检出率比较 (n, %)》2019.05.01
- 《表3 分类结果比较：基于深度学习的ADHD儿童和正常儿童脑电信号分类研究》2019.02.01
- 《表1 一般情况：脑电图监测下癫痫发作期问诊和查体的现状》2019.02.05
- 《表1 EEG检查结果：癫痫儿童脑电图与Conners行为量表分析》2019.03.15
- 《表4 癫痫发作检测结果：基于贝叶斯最小风险的癫痫脑电自动检测算法》2019.12.01
- 《表1 自识别分类结果：基于脑电信号的图像清晰度评价方法》2018.06.01
- 《表2 互识别分类结果：基于脑电信号的图像清晰度评价方法》2018.06.01