李淑芳
- 作品数：12 被引量：70H指数：4
- 供职机构：山东大学更多>>
- 发文基金：山东大学自主创新基金国家自然科学基金山东省自然科学基金更多>>
- 相关领域：医药卫生自动化与计算机技术农业科学电子电信更多>>
- LMW-GS基因Ee34转化小麦及SRL/TRQ型ω-醇溶蛋白基因的克隆研究
- 长穗偃麦草是改良栽培小麦最为重要的野生资源之一，已有的实验证明在该材料中含有促进小麦面粉品质特性的潜在的优质谷醇溶蛋白基因。其中，低分子量谷蛋白亚基基因Ee34含有7个半胱氨酸残基，体外的面团实验证明在加入该亚基后面团优...
- 李淑芳
- 关键词：转基因小麦分子标记
- A公司绩效管理体系优化研究
- 随着近年来国有企业的变革，出现了一批国有改制企业。改制企业具有非常鲜明的特点:一方面它们面临同民企一样激烈的市场竞争环境，一方面管理方式和人员思想还保留着浓重的国企风格。官僚作风盛行，组织运行效率低下，尤其绩效管理基础比...
- 李淑芳
- 关键词：绩效管理平衡计分卡关键业绩指标
- 用于筛选二倍体长穗偃麦草低分子量谷蛋白亚基基因Ee34的引物及其应用
- 本发明公开了一种用于筛选二倍体长穗偃麦草低分子量谷蛋白亚基基因Ee34的引物，所述引物P1和P2的碱基序列分别以SEQ ID NO：1或SEQ ID NO：2所示。本发明所述引物对的扩增能专一性的识别小麦转化体中来源于二...
- 陈凡国夏光敏张尚立赵峰李欣李淑芳
- 文献传递
- EMD和SVM结合的脑电信号分类方法被引量：11
- 2011年
- 脑电(EEG)癫痫波的自动检测与分类在临床医学上具有重要意义。针对EEG信号的非平稳特点,本文提出了一种基于经验模式分解(EMD)和支持向量机(SVM)的EEG分类方法。首先利用EMD将EEG信号分成多个经验模式分量,然后提取有效特征,最后用SVM对EEG信号进行分类。结果表明,该方法对癫痫发作间歇期和发作期EEG的分类效果比较理想,识别率达到99%。
- 李淑芳周卫东蔡冬梅刘凯赵建林
- 关键词：经验模式分解支持向量机
- 基于脑电棘波频次的预警方法和装置
- 本发明涉及一种基于脑电棘波频次的预警方法和装置，属于脑电检测预警技术领域。本发明的装置包括依次电路连接的脑电放大器、数据采集板、计算机和报警器，并通过计算机内安装的脑电棘波频次的预警模块实现对脑电放电预警。本发明通过用形...
- 周卫东李淑芳
- 文献传递
- 基于Hurst指数和SVM的癫痫脑电检测方法被引量：13
- 2010年
- 癫痫脑电波的自动检测对于患者诊断和减轻医生工作强度都具有重要的意义。提出一种基于Hurst指数和SVM的癫痫脑电检测算法。首先提取脑电信号的Hurst指数,然后对脑电进行3 Hz～8.5 Hz、8.5 Hz～16.5 Hz、16.5 Hz～29 Hz带通滤波并分别计算波幅的相对均值,最后使用SVM分类器实现癫痫脑电波的自动检测。对临床脑电信号的实验表明,该方法具有较强的检测性能和良好的实时性,准确率达到98.75%。所提出的Hurst指数和波幅相对均值作为特征,采用SVM的分类方法能有效实现癫痫脑电的检测,值得更深入的研究。
- 蔡冬梅周卫东刘凯李淑芳耿淑娟
- 关键词：脑电信号HURST指数SVM
- 基于去趋势波动分析和支持向量机的癫痫脑电分类被引量：5
- 2011年
- 癫痫脑电的自动检测与分类对于癫痫患者的诊断治疗具有重要意义。本文提出了一种基于去趋势波动分析（detrended fluctuation analysis,DFA）、波动指数和支持向量机（support vectormachine,SVM）的癫痫脑电分类方法。首先采用DFA方法计算脑电的标度指数,然后对脑电进行4-8 Hz、8-13 Hz、13-30 Hz带通滤波并分别计算波动指数,最后使用SVM分类器实现癫痫脑电波的自动分类。对临床脑电信号的实验表明,该方法具有较强的检测性能,分类准确率达到97%。
- 蔡冬梅周卫东李淑芳王纪文贾桂娟刘学伍
- 关键词：脑电图支持向量机
- 基于ELM和近似熵的脑电信号检测方法被引量：36
- 2012年
- 脑电癫痫波的自动检测与分类对癫痫病情的诊断具有重要意义。提出了一种基于极端学习机(extreme learning ma-chine,ELM)和近似熵的脑电信号检测方法。首先,计算脑电信号的近似熵作为非线性特征,并与利用小波变换技术提取的线性特征波动指数相结合,组成特征向量,然后将特征向量送入单隐层前馈神经网络,采用ELM学习算法训练网络。实验表明,与BP(backpropagation)和SVM(support vector machine)算法相比,ELM在训练时间和识别精度两方面性能最佳,对用于实验的脑电数据检测识别率达到98%以上。
- 袁琦周卫东李淑芳蔡冬梅
- 关键词：癫痫脑电近似熵极端学习机反向传播算法
- 基于脑电棘波频次的癫痫发作预测算法被引量：3
- 2011年
- 癫痫发作预测是近年来在神经科学领域中备受关注的课题。预测癫痫发作可以使医护人员或患者提前采取有效措施来预防和控制癫痫发作,在临床上具有重要意义。棘波是最基本的阵发性异常脑电活动,在分析和统计癫痫发作前期和发作期棘波频次不同表现的基础上,首次提出一种基于脑电棘波频次的癫痫预测算法。对脑电进行滤波以去掉高频干扰后,采用形态学滤波器检测脑电棘波数目,并计算各段脑电中棘波出现的频次,最后根据棘波频次的变化预测癫痫的发作。采用本算法对21例癫痫患者长程颅内脑电进行癫痫预测,准确率达到74.7%,每小时错误预测次数仅为0.111次。结果表明,所提出算法能够有效地预测癫痫发作。
- 李淑芳周卫东袁琦蔡冬梅
- 关键词：形态学滤波器
- 基于脑电棘波频次的癫痫发作预测算法
- 癫痫是大脑神经元突发性异常放电，导致短暂的大脑功能障碍的一种慢性疾病和综合症，给患者带来极大的痛苦，也极大地限制了患者的生活内容及质量。若能提前预报癫痫发作，则可以帮助医护人员及患者亲属对患者施行有效的预防保护。此外，对...
- 李淑芳
- 关键词：癫痫发作脑电活动
