High-Voltage Spindles detection from EEG signals using recursive synchrosqueezing transform - Archive ouverte HAL
Conference Papers Year : 2019

High-Voltage Spindles detection from EEG signals using recursive synchrosqueezing transform

Abstract

This paper proposes a new detection technique applied on electroencephalogram (EEG) signals which were measured on Parkinsonian rats during an experiment. Our technique uses a recursive filter-bank-based implementation of the short-time Fourier transform that is sharpened using several time-frequency reassignment methods. A detector is then applied to the obtained representation to allow an identification of the HVS signals which are specific to subjects with neurodegeneratives diseases. Our results show an improvement of the state of the art while paving the way of a real-time implementation.
Cet article propose une nouvelle méthode de détection appliquée sur des signaux d'´ electroencéphalographie de rats parkinsoniens lors d'une expérimentation animale. Notre technique repose sur une implémentation par bancs de filtres récursifs de la transformée de FourieràFourier`Fourierà court terme que nous améliorons par l'utilisation de plusieurs méthodes de réallocation temps-fréquence. Un détecteur est ensuite appliqué sur la représentation obtenue afin d'identifier l'apparition de signaux HVS qui caractérisent les sujets atteints de maladies neurodégénératives. Nos résultats montrent que cette approche améliore les performances de l'´ etat de l'art tout en permettant un traitement temps réel.
Fichier principal
Vignette du fichier
DECISION_HVS(1).pdf (412.08 Ko) Télécharger le fichier
Origin Files produced by the author(s)
Loading...

Dates and versions

hal-02140264 , version 1 (27-05-2019)

Identifiers

  • HAL Id : hal-02140264 , version 1

Cite

Rémi Souriau, Dominique Fourer, H. Chen, Jean Lerbet, Hichem Maaref, et al.. High-Voltage Spindles detection from EEG signals using recursive synchrosqueezing transform. GRETSI, Aug 2019, Lille, France. ⟨hal-02140264⟩
104 View
124 Download

Share

More