Fechar
Metadados

1. Identificação
Tipo de ReferênciaCapítulo de Livro (Book Section)
Sitemtc-m21c.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34R/3TJ7N5S
Repositóriosid.inpe.br/mtc-m21c/2019/07.01.15.22   (acesso restrito)
Última Atualização2019:07.01.15.22.37 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m21c/2019/07.01.15.22.37
Última Atualização dos Metadados2020:01.06.11.42.15 (UTC) administrator
Chave SecundáriaINPE--/
DOI10.1007/978-3-030-20521-8_10
ISBN978-303020520-1
Chave de CitaçãoPinedaRamoBettCamp:2019:UsCoNe
TítuloUse of complex networks for the automatic detection and the diagnosis of Alzheimer’s disease
Ano2019
Data de Acesso03 maio 2024
Tipo SecundárioPRE LI
Número de Arquivos1
Tamanho899 KiB
2. Contextualização
Autor1 Pineda, Aruane Mello
2 Ramos, Fernando Manoel
3 Betting, Luiz Eduardo
4 Campanharo, Andriana S. L. O.
Grupo1
2 LABAC-COCTE-INPE-MCTIC-GOV-BR
Afiliação1 Universidade Estadual Paulista (UNESP)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Universidade Estadual Paulista (UNESP)
4 Universidade Estadual Paulista (UNESP)
Endereço de e-Mail do Autor1 aruane.pineda@unesp.br
2 fernando.ramos@inpe.br
3 luiz.betting@unesp.br
4 andriana.campanharo@unesp.br
EditorRojas, Ignacio
Joya, Gonzalo
Catala, Andreu
Título do LivroAdvances in Computational Intelligence
Editora (Publisher)Springer Verlag
Páginas115-126
Histórico (UTC)2019-07-01 15:24:25 :: simone -> administrator :: 2019
2020-01-06 11:42:15 :: administrator -> simone :: 2019
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãopublisher
Palavras-Chavecomplex networks
Alzheimer disease
ResumoAlzheimers disease (AD) is classified as a chronic neurological disorder of the brain and affects approximately 25 million elderly individuals worldwide. This disorder leads to a reduction in peoples productivity and imposes restrictions on their daily lives. Studies of AD often rely on electroencephalogram (EEG) signals to provide information on the behavior of the brain. Recently, a map from a time series to a network has been proposed and that is based on the concept of transition probabilities; the series results in a so-called quantile graph (QG). Here, this map, which is also called the QG method, is applied for the automatic detection of healthy patients and patients with AD from recorded EEG signals. Our main goal is to illustrate how the differences in dynamics in the EEG signals are reflected in the topology of the corresponding QGs. Based on various network metrics, namely, the clustering coefficient, the mean jump length and the betweenness centrality, our results show that the QG method can be used as an effective tool for automated diagnosis of Alzheimers disease.
ÁreaCOMP
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > LABAC > Use of complex...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 01/07/2019 12:22 1.8 KiB 
4. Condições de acesso e uso
Idiomaen
Arquivo Alvo10.1007@978-3-030-20521-810.pdf
Grupo de Usuáriossimone
Visibilidadeshown
Permissão de Leituradeny from all and allow from 150.163
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3ESGTTP
DivulgaçãoBNDEPOSITOLEGAL
Acervo Hospedeirourlib.net/www/2017/11.22.19.04
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber city copyholder copyright creatorhistory descriptionlevel e-mailaddress edition format issn label lineage mark mirrorrepository nextedition notes numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readergroup resumeid rightsholder schedulinginformation secondarydate secondarymark serieseditor seriestitle session shorttitle sponsor subject tertiarymark tertiarytype translator url volume
7. Controle da descrição
e-Mail (login)simone
atualizar 


Fechar