Extension usage examples:
Here's how our browser extension sees the article:
A stochastic model for EEG microstate sequence analysis - ScienceDirect
Source: sciencedirect.com
Article summary:
1. 提出一种简单的马尔可夫链来描述EEG微状态之间的转换，并且只需要2%的质量转移。
2. 提出了一个简单的随机模型（SMI）来关联微状态序列和背景间隔的过程。
3. 分析了健康受试者在清醒和三个不同睡眠阶段中EEG微状态分析的情况。
Article analysis:
本文是一份关于用电生理图（EEG）分析休眠时神经元活动的学术文章。作者通过对健康受试者在不同时间、不同休眠阶段中EEG微状态分析而得出了一个有效的Markov Chain来表达当前微状态到不同微状态之间的转化情况；此外作者还引入了一个随机模型来表明当前微状态序列能够估测出背景间隔时间上的特性。
就文章内容而言，它是从客观、理性、定量化、数学化方法去对EEG信号进行分析；但是也存在一些可能存在的风险或者局限性。例如：文章中使用Markov Chain来表明当前微状态到不同微状态之间的转化情况时；但是Markov Chain并不能够完全衡量出当前微状态之间所有相关因子对于转化情况所带来的影响。此外，文章中也并未考虑到人们在休眠时神经元活动承受心理因子或者生理因子所带来影响以及相关因子对于EEG信号扫描出来数字信号承受干扰或者误差带来影响。
总而言之：就文章内容而言：它是从客观、理性、定量化、数学化方法去对EEG信号进行分析; 但是也存在一些风险或者局限性——例如Markov Chain并不能够完全衡量出当前微状态之间所有相关因子对于转化情况所带来的影响; 也未考虑心理因子或生理因子对EEG信号带来干扰或误差带来影响。