| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 1 绪论 | 第12-26页 |
| ·颅内压增高预测研究背景及意义 | 第12-16页 |
| ·颅内压增高预测研究现状 | 第16-23页 |
| ·本课题的研究内容 | 第23-26页 |
| 2 颅内压的生理基础及信号特征 | 第26-36页 |
| ·颅内压产生机理 | 第26-28页 |
| ·颅内压增高 | 第28-32页 |
| ·颅内压信号波动状态 | 第32-34页 |
| ·小结 | 第34-36页 |
| 3 颅内压信号逐拍分割 | 第36-57页 |
| ·形状上下文 | 第37-41页 |
| ·波形上下文 | 第41-42页 |
| ·基于波形上下文的起搏点检测算法 | 第42-43页 |
| ·算法验证与比较 | 第43-55页 |
| ·患者数据与起搏点标定 | 第45页 |
| ·评估准则 | 第45-47页 |
| ·参数确定 | 第47页 |
| ·动脉压单波起搏点检测算法 | 第47-49页 |
| ·移动窗内的全局最小值 | 第49页 |
| ·实验结果 | 第49-50页 |
| ·实验讨论 | 第50-55页 |
| ·小结 | 第55-57页 |
| 4 颅内压信号波形特征提取 | 第57-84页 |
| ·统计学习理论 | 第58页 |
| ·统计学习理论中的基本概念 | 第58-62页 |
| ·机器学习 | 第59-61页 |
| ·经验风险最小化准则 | 第61-62页 |
| ·支持向量机 | 第62-70页 |
| ·VC 维 | 第62-63页 |
| ·结构风险最小化准则 | 第63-65页 |
| ·最优分类超平面 | 第65页 |
| ·线性可分 | 第65-66页 |
| ·线性不可分 | 第66-67页 |
| ·非线性映射 | 第67-68页 |
| ·核函数 | 第68-69页 |
| ·支持向量机的应用 | 第69-70页 |
| ·单波特征子峰识别算法 | 第70-75页 |
| ·基于波形上下文的波形特征提取 | 第70-71页 |
| ·波峰候选点 | 第71页 |
| ·直方图平移 | 第71-73页 |
| ·特征子峰识别 | 第73-75页 |
| ·算法验证 | 第75-80页 |
| ·患者数据与波峰标定 | 第75页 |
| ·交叉验证 | 第75-76页 |
| ·评估准则 | 第76-77页 |
| ·实验结果 | 第77-78页 |
| ·实验讨论 | 第78-80页 |
| ·单波波形特征 | 第80-81页 |
| ·小结 | 第81-84页 |
| 5 颅内压增高预测算法 | 第84-106页 |
| ·颅内压增高预测难点 | 第84-87页 |
| ·颅内压增高预测步骤 | 第87-89页 |
| ·差分进化算法 | 第89-92页 |
| ·差分进化算法的实现过程 | 第90-92页 |
| ·差分进化算法参数设置 | 第92页 |
| ·特征选择 | 第92-98页 |
| ·对照试验 | 第98-104页 |
| ·评估准则 | 第100-101页 |
| ·分类实验 | 第101页 |
| ·实验结果 | 第101-104页 |
| ·小结 | 第104-106页 |
| 6 颅内压增高预测系统 | 第106-114页 |
| ·颅内压增高预测系统 | 第106页 |
| ·对照试验 | 第106-111页 |
| ·评估准则 | 第107-108页 |
| ·实验结果 | 第108页 |
| ·实验讨论 | 第108-111页 |
| ·小结 | 第111-114页 |
| 7 总结与展望 | 第114-120页 |
| ·主要结论 | 第114-115页 |
| ·对后续研究工作的展望 | 第115-120页 |
| 致谢 | 第120-122页 |
| 参考文献 | 第122-132页 |
| 附录 | 第132页 |
| A 作者在攻读博士学位期间发表的论文目录 | 第132页 |
| B 作者在攻读博士学位期间参加的科研项目及得奖情况 | 第132页 |