| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 利用脑电信号的脑紊乱分析方法概述 | 第12-16页 |
| 1.2.1 时域和频域的线性方法 | 第13-14页 |
| 1.2.2 非线性方法 | 第14-15页 |
| 1.2.3 空域脑网络方法 | 第15-16页 |
| 1.3 利用EEG进行脑紊乱识别需要解决的问题 | 第16-17页 |
| 1.4 总体设计与技术路线 | 第17-18页 |
| 1.5 研究工作与论文结构安排 | 第18-21页 |
| 1.5.1 主要创新工作 | 第18-19页 |
| 1.5.2 内容安排 | 第19-21页 |
| 1.6 本章小结 | 第21-22页 |
| 第二章 脑紊乱识别背景与方法综述 | 第22-32页 |
| 2.1 癫痫脑紊乱背景及方法介绍 | 第22-25页 |
| 2.2 癔症脑紊乱背景介绍 | 第25-26页 |
| 2.3 时频变换方法 | 第26-29页 |
| 2.3.1 希尔伯特黄变换 | 第27-28页 |
| 2.3.2 小波变换 | 第28页 |
| 2.3.3 分数阶傅里叶变换 | 第28-29页 |
| 2.4 模式判别方法 | 第29-31页 |
| 2.4.1 LDA | 第29-30页 |
| 2.4.2 k-NN | 第30页 |
| 2.4.3 神经网络 | 第30页 |
| 2.4.4 支持向量机 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于WAVELET-ENTROPY算法的脑紊乱识别 | 第32-46页 |
| 3.1 引言 | 第32-33页 |
| 3.2 小波域的WAVELET-ENTROPY算法 | 第33-36页 |
| 3.2.1 容限因子的确定 | 第33-35页 |
| 3.2.2 基于小波变换的脑电子带分解算法 | 第35页 |
| 3.2.3 样本熵算法 | 第35-36页 |
| 3.3 基于WAVELET-ENTROPY算法的癫痫脑紊乱识别 | 第36-45页 |
| 3.3.1 实验数据 | 第38页 |
| 3.3.2 小波域的信号复杂度分析 | 第38-41页 |
| 3.3.3 分类结果 | 第41页 |
| 3.3.4 EMD域的信号复杂度对比 | 第41-45页 |
| 3.4 时间复杂度分析 | 第45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于FRFT-CHAOS算法的脑紊乱识别 | 第46-59页 |
| 4.1 引言 | 第46-47页 |
| 4.2 FRFT-CHAOS算法 | 第47-53页 |
| 4.2.1 分数阶变换阶次确定 | 第47-49页 |
| 4.2.2 改编的STLmax算子 | 第49-50页 |
| 4.2.3 FRFT算法实现 | 第50-53页 |
| 4.3 基于FRFT-CHAOS算法的脑紊乱识别 | 第53-58页 |
| 4.3.1 实验数据 | 第54页 |
| 4.3.2 结果分析 | 第54-58页 |
| 4.4 时间复杂度分析 | 第58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 融合粗粒级关键网络特征的脑紊乱识别 | 第59-73页 |
| 5.1 引言 | 第59页 |
| 5.2 融合基于MRMR的关键粗粒网络特征的脑网络分析方案 | 第59-65页 |
| 5.2.1 实验数据 | 第61-62页 |
| 5.2.2 MrMR算法 | 第62-63页 |
| 5.2.3 基于相干性的功能连接网络构建 | 第63-65页 |
| 5.3 全局网络属性分析 | 第65-67页 |
| 5.3.1 聚类系数 | 第65页 |
| 5.3.2 平均路径长度 | 第65页 |
| 5.3.3 全局效率 | 第65-67页 |
| 5.3.4 全局属性差异性结果讨论 | 第67页 |
| 5.4 局部网络属性分析 | 第67-69页 |
| 5.4.1 节点度 | 第67页 |
| 5.4.2 节点中心性 | 第67-68页 |
| 5.4.3 节点属性差异性结果讨论 | 第68-69页 |
| 5.5 分类模型构建 | 第69-71页 |
| 5.5.1 全局网络特征分类结果 | 第69-70页 |
| 5.5.2 MrMR提取粗粒级网络特征分类结果 | 第70页 |
| 5.5.3 融合linkLocal特征与全局特征的分类结果 | 第70-71页 |
| 5.6 本章小结 | 第71-73页 |
| 第六章 复合相位信息及MST拓扑的脑紊乱异常区域定位 | 第73-85页 |
| 6.1 引言 | 第73页 |
| 6.2 复合方法刻画功能异常的脑网络框架 | 第73-76页 |
| 6.2.1 基于相位斜坡指数的功能连接网络构建 | 第74-75页 |
| 6.2.2 基于最小生成树的脑网络拓扑 | 第75-76页 |
| 6.3 复合方法应用于脑紊乱分析 | 第76-83页 |
| 6.3.1 基于连接网络Ψ的全局及节点网络属性分析 | 第77-79页 |
| 6.3.2 MST网络属性分析 | 第79-80页 |
| 6.3.3 异常功能脑区定位与讨论 | 第80-83页 |
| 6.4 小结 | 第83-85页 |
| 第七章 总结与展望 | 第85-88页 |
| 7.1 总结 | 第85-86页 |
| 7.2 展望 | 第86-88页 |
| 参考文献 | 第88-99页 |
| 在学期间的研究成果 | 第99-100页 |
| 致谢 | 第100页 |
