全文获取类型
收费全文 | 151篇 |
免费 | 9篇 |
国内免费 | 11篇 |
专业分类
丛书文集 | 1篇 |
教育与普及 | 9篇 |
理论与方法论 | 3篇 |
综合类 | 158篇 |
出版年
2024年 | 1篇 |
2023年 | 3篇 |
2022年 | 2篇 |
2021年 | 1篇 |
2020年 | 2篇 |
2019年 | 4篇 |
2018年 | 3篇 |
2015年 | 4篇 |
2014年 | 11篇 |
2013年 | 2篇 |
2012年 | 6篇 |
2011年 | 8篇 |
2010年 | 4篇 |
2009年 | 10篇 |
2008年 | 18篇 |
2007年 | 7篇 |
2006年 | 11篇 |
2005年 | 9篇 |
2004年 | 6篇 |
2003年 | 7篇 |
2002年 | 10篇 |
2001年 | 8篇 |
2000年 | 3篇 |
1999年 | 2篇 |
1998年 | 3篇 |
1997年 | 3篇 |
1996年 | 5篇 |
1995年 | 6篇 |
1994年 | 1篇 |
1993年 | 2篇 |
1992年 | 2篇 |
1991年 | 3篇 |
1989年 | 1篇 |
1988年 | 1篇 |
1986年 | 2篇 |
排序方式: 共有171条查询结果,搜索用时 343 毫秒
21.
"莫扎特效应"的EEG变化特点与分析 总被引:1,自引:0,他引:1
采用实验的方法,以神经生理学、音乐学、教育学的有关原理与方法为依据,以学龄儿童为研究对象,运用脑电图(EEG)监测手段进行测量与评价,分析不同音乐教学环境情况下乐曲欣赏对大脑神经活动的影响,进一步探讨“莫扎持效应”产生的背景. 相似文献
22.
本文在基于高速DSP处理芯片Motorola DSP56FS07的佩带式EEG回馈仪上实现采用Kaiser窗的500阶FIR数字陷波器,并进行了计算机仿真与硬件实现。 相似文献
23.
癫痫患者发病期间脑电图表现为高幅同步节律波,可显著地在患者脑电图中观测到棘、尖波以及棘慢复合波等特征波形。本文根据癫痫波形特征,利用小波变换的时频局部化特性,提出了另一种高效的脑电图癫痫波形自动检测方法。 相似文献
24.
目的:比较脑电图、诱发电位、脑彩超及CT在诊断脑血管病中的作用。方法:将100例病人分成TIA组,腔隙梗塞组脑梗塞组及脑出血组。分别进行脑电图、诱发电位、脑彩超及CT检查。结果:CT检查TIA阳性率最低,仅4%,对脑电图、诱发电位、TCD三者检查结果比较,异常率依次为诱发电位>脑彩超>脑电,诱发电位检测TIA意义最大。结论:电生理检查对脑血管病的检测有相对特异性、敏感性及重要性,是脑血管病早期诊断的重要手段之一。 相似文献
25.
刘凤珍 《北华大学学报(自然科学版)》1998,(1)
癫痫是由于大脑神经细胞过度放电引起的,它发病率较高,临床表现较复杂,给患者本人及家庭带来严重的精神和经济负担。我院脑电图室1992~1994年12月经EEG检查611例,现将临床资料及脑电图检查结果分析报告如下。1资料与方法1.1临床资料 本组611例病例中,男326例,女285例,年龄在5~50岁,平均20岁。临床发作表现:全身强直一阵挛发作270例,复查部分发作147例,简单部分发作137例,肌阵挛发作47例。l.2脑电图资料 使用上海产BD-161型16道脑电图仪,标准电压5mm,滤波60… 相似文献
26.
27.
采用频带能量进行ECoG信号的特征提取 总被引:1,自引:1,他引:0
对于典型的采用皮层脑电图的脑-机接口系统,测试者想象左手小手指或舌头运动,提出了采用频带能量的特征提取方法.首先,把频带能量作为特征,进行导联的选择,从64导联中获取特征最明显的11导进行分析;然后采用频带能量进行皮层脑电图信号的特征提取,并利用主分量分析进行降维;最后采用Fisher线性判别分析进行两类意识任务的分类.离线分析结果表明,该方法对测试数据取得了很好的分类准确率. 相似文献
28.
29.
为解决EEG自动检测的错误率非常高的问题,提出了一种基于深层卷积神经网络(CNN)对脑电图进行异常检测的方法:首先,对多个异构数据源按标准进行重构和预处理,生成了有118 716个样本的训练集和有12 022个样本的测试集;然后,构建有快捷连接的深层CNN模型,以自动化学习ECG特征并进行分类识别; 接着,将模型在训练集上进行试验与调参,保存了性能最好的模型参数; 最后,在测试集上进行预测.预测结果显示该模型达到了94.33%的分类准确率.通过所提方法对脑电信号进行处理与分析,能够自动提取EEG特征并进行异常识别,从而达到快速检测与辅助诊疗的目的. 相似文献
30.
微弱的脑电信号易受其他生理信号或采集设备的影响而产生较大的幅度偏移,影响分形分析结果的可靠性.因此,引入脑电信号的零点穿越间期序列作为分析对象,提出了一种脑电信号非线性动力学研究的新方法——零点穿越间期序列的多重分形分析.采用新的方法对取自PhysioBank“TheSleep-EDF Database“的24 h睡眠脑电记录进行了研究.作为比较,文中使用多重分形奇异谱和去趋势波动分析两种方法,分别对脑电信号的零点穿越间期序列和幅度时间序列进行了分析和比较.分析结果显示,零点穿越间期和幅度时间序列的奇异强度区间均随着睡眠的加深而增大,表明脑电信号在深度睡眠状态下的标度特性更加分散.对实验结果的单因素方差分析与多重比较检验显示零点穿越间期序列的多重分形分析方法在睡眠分期方面具有一定的优势. 相似文献