<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Візуалізація мультимодальних біосигналів у веб-системах реального часу

Ескіз

Файли

26726.pdf (464,52 KB)

Дата

2026

Автори

Назва журналу

Номер ISSN

Назва тому

Видавець

Вінницький національний технічний університет

DOI

Анотація

This paper investigates an approach to stabilizing and visualizing multimodal biosignals in a real-time web system.

Опис

Ключові слова

biosignals , real-time web systems , multimodal data , signal stabilization , EEG , inertial sensors , filtering , adaptive smoothing , confidence mask , concentration index , wearable devices

УДК

004.4

Тип документа

Thesis

Мова

uk_UA

Є частиною

Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р.

ISSN

Бібліографічний опис

Перебора М. А. Візуалізація мультимодальних біосигналів у веб-системах реального часу // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/26726.

URI

https://ir.lib.vntu.edu.ua/handle/123456789/53958

Зібрання

Молодь в науці: дослідження, проблеми, перспективи (МН-2026)

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (5)

  1. Motion Artifact Removal Techniques for Wearable EEG and PPG Sensor Systems [Електронний ресурс] – Режим доступу: https://surl.li/llgfks
  2. Real-Time EEG Signal Enhancement Using Canonical Correlation Analysis (PMC, 2018) [Електронний ресурс] – Режим доступу: https://pmc.ncbi.nlm.nih.gov/articles/PMC5823426/
  3. A Systematic Review of Techniques for Artifact Detection and Removal in Wearable EEG (Sensors, 2025) [Електронний ресурс] – Режим доступу: https://www.mdpi.com/1424-8220/25/18/5770
  4. MLMRS-Net: Electroencephalography (EEG) motion artifacts removal [Електронний ресурс] – Режим доступу: https://link.springer.com/article/10.1007/s00521-022-08111-6.
  5. AnEEG: leveraging deep learning for effective artifact removal in EEG data [Електронний ресурс] – Режим доступу: https://www.nature.com/articles/s41598-024-75091.