TY -的A2 Macellari Velio盟——Sriraam n . PY - 2011 DA - 2011/07/03 TI - Quality-on-Demand EEG信号的压缩对于远程医疗应用程序使用神经网络预测SP - 860549六世- 2011 AB -远程医疗系统使用通讯和信息技术来实现医学信号如心电图、脑电图对远程医疗服务已成为现实。在紧急治疗或普通的医疗,需要压缩这些信号带宽的使用效率。探讨脑电图信号的质量需求压缩为远程医疗应用程序使用神经网络预测。目标是获得一个更大的低比特率压缩收益,同时保留临床信息内容。一个两级压缩方案预测和熵编码器使用。后获得的残余信号预测是第一个使用各种水平的阈值和阈值进一步量化,然后使用一个算术编码器进行编码。三种神经网络模型、单层和多层感知器和Elman网络使用和结果与线性预测如FIR滤波器和基于“增大化现实”技术的建模。重建的EEG信号的保真度定量评估使用参数如珠三角、信噪比、互相关和功率谱密度。发现从重构信号的质量的结果保存在一个低PRD从而产生更好的压缩结果相比,结果使用无损压缩方案。SN - 1687 - 6415你2011/860549 / 10.1155——https://doi.org/10.1155/2011/860549——摩根富林明远程医疗的国际杂志和应用PB - Hindawi出版公司KW - ER