Zobrazeno 1 - 10
of 10
pro vyhledávání: '"Nesaragi, Naimahmed"'
This work investigates the predictive potential of bipolar electroencephalogram (EEG) recordings towards efficient prediction of poor neurological outcomes. A retrospective design using a hybrid deep learning approach is utilized to optimize an objec
Externí odkaz:
http://arxiv.org/abs/2310.03756
Autor:
Nesaragi, Naimahmed, Høiseth, Lars Øivind, Qadir, Hemin Ali, Rosseland, Leiv Arne, Halvorsen, Per Steinar, Balasingham, Ilangko
The extent to which advanced waveform analysis of non-invasive physiological signals can diagnose levels of hypovolemia remains insufficiently explored. The present study explores the discriminative ability of a deep learning (DL) framework to classi
Externí odkaz:
http://arxiv.org/abs/2303.06064
Publikováno v:
Journal of Electrical Bioimpedance, Vol 15, Iss 1, Pp 1-3 (2024)
Externí odkaz:
https://doaj.org/article/c06641511a284d1d858ddd6f3d4cab8f
Publikováno v:
In Medical Engineering and Physics December 2022 110
Publikováno v:
In Biocybernetics and Biomedical Engineering July-September 2021 41(3):1013-1024
Publikováno v:
In Biocybernetics and Biomedical Engineering January-March 2021 41(1):111-126
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
2015 International Conference on Smart Technologies & Management for Computing, Communication, Controls, Energy & Materials (ICSTM); 2015, p307-312, 6p