• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

勘误：基于希尔伯特-黄变换和脑网络动力学的癫痫多脑电图特征研究。

Corrigendum: Study on characteristic of epileptic multi-electroencephalograph base on Hilbert-Huang transform and brain network dynamics.

作者信息

Lu Xiaojie, Wang Tingting, Ye Mingquan, Huang Shoufang, Wang Maosheng, Zhang Jiqian

机构信息

School of Physics and Electronic Information, Anhui Normal University, Wuhu, China.

Research Center of Health Big Data Mining and Applications, School of Medicine Information, Wan Nan Medical College, Wuhu, China.

出版信息

Front Neurosci. 2023 May 25;17:1221328. doi: 10.3389/fnins.2023.1221328. eCollection 2023.

DOI:10.3389/fnins.2023.1221328
PMID:37332857
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC10274140/
Abstract

[This corrects the article DOI: 10.3389/fnins.2023.1117340.].

摘要

[本文更正了文章DOI：10.3389/fnins.2023.1117340。]

相似文献

1
Corrigendum: Study on characteristic of epileptic multi-electroencephalograph base on Hilbert-Huang transform and brain network dynamics.勘误：基于希尔伯特-黄变换和脑网络动力学的癫痫多脑电图特征研究。
Front Neurosci. 2023 May 25;17:1221328. doi: 10.3389/fnins.2023.1221328. eCollection 2023.
2
Study on characteristic of epileptic multi-electroencephalograph base on Hilbert-Huang transform and brain network dynamics.基于希尔伯特-黄变换和脑网络动力学的癫痫多脑电图特征研究
Front Neurosci. 2023 May 4;17:1117340. doi: 10.3389/fnins.2023.1117340. eCollection 2023.
3
Analysis of depth of anesthesia with Hilbert-Huang spectral entropy.基于希尔伯特-黄谱熵的麻醉深度分析
Clin Neurophysiol. 2008 Nov;119(11):2465-75. doi: 10.1016/j.clinph.2008.08.006. Epub 2008 Sep 21.
4
Method for Fault Diagnosis of Temperature-Related MEMS Inertial Sensors by Combining Hilbert-Huang Transform and Deep Learning.基于 Hilbert-Huang 变换与深度学习的温度相关微机电系统惯性传感器故障诊断方法。
Sensors (Basel). 2020 Oct 1;20(19):5633. doi: 10.3390/s20195633.
5
Functional brain abnormalities in major depressive disorder using the Hilbert-Huang transform.使用希尔伯特-黄变换研究重性抑郁障碍的大脑功能异常
Brain Imaging Behav. 2018 Dec;12(6):1556-1568. doi: 10.1007/s11682-017-9816-6.
6
Multifuse multilayer multikernel RVFLN+ of process modes decomposition and approximate entropy data from iEEG/sEEG signals for epileptic seizure recognition.多融合多层多核 RVFLN+ 的过程模式分解和来自 iEEG/sEEG 信号的近似熵数据，用于癫痫发作识别。
Comput Biol Med. 2021 May;132:104299. doi: 10.1016/j.compbiomed.2021.104299. Epub 2021 Mar 3.
7
Improved Hilbert-Huang transform with soft sifting stopping criterion and its application to fault diagnosis of wheelset bearings.具有软筛分停止准则的改进型希尔伯特-黄变换及其在轮对轴承故障诊断中的应用
ISA Trans. 2022 Jun;125:426-444. doi: 10.1016/j.isatra.2021.07.011. Epub 2021 Jul 9.
8
Hilbert-Huang transformation-based time-frequency analysis methods in biomedical signal applications.基于希尔伯特-黄变换的时频分析方法在生物医学信号中的应用
Proc Inst Mech Eng H. 2012 Mar;226(3):208-16. doi: 10.1177/0954411911434246.
9
Time-frequency analysis of non-stationary fusion plasma signals using an improved Hilbert-Huang transform.基于改进的希尔伯特-黄变换的非平稳聚变等离子体信号时频分析
Rev Sci Instrum. 2014 Jul;85(7):073502. doi: 10.1063/1.4887415.
10
Corrigendum: Multi-person feature fusion transfer learning-based convolutional neural network for SSVEP-based collaborative BCI.勘误：基于多人员特征融合迁移学习的卷积神经网络用于基于稳态视觉诱发电位的协作脑机接口
Front Neurosci. 2022 Oct 26;16:1024150. doi: 10.3389/fnins.2022.1024150. eCollection 2022.