Abstract: L. Huang, W. Wang, S. Singare (2006)

This paper presents a new approach to detect depth of anaesthesia by using recurrence quantification analysis of electroencephalogram (EEG) and artificial neural network (ANN). From 98 consenting patient experiments, 98 distinct EEG recordings were collected prior to incision during isoflurane anaesthesia of different levels. The seven measures of recurrence plot were extracted from each of four-channel EEG time series. Prediction was made by means of ANN. Training and testing the ANN used the 'leave-one-out' method. The prediction was tested by monitoring the responses to incision. The system was able to correctly classify purposeful responses in average accuracy of 92.86% of the cases. This method is also computationally fast and acceptable real-time clinical performance was obtained.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Using back propagation feedback neural networks and recurrence quantification analysis of EEGs predict. responses to incision during anesthesia