孤独症儿童脑电特征提取及分类算法研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 孤独症研究现状 | 第12-16页 |
| 1.3 静息态脑电分析对孤独症的辅助评估 | 第16-19页 |
| 1.3.1 脑电信号常用分析方法 | 第16-18页 |
| 1.3.2 静息态脑电分析在孤独症研究中的应用 | 第18-19页 |
| 1.4 本文主要研究内容 | 第19-21页 |
| 第2章 数据采集及预处理 | 第21-29页 |
| 2.1 引言 | 第21页 |
| 2.2 脑电信号采集基础 | 第21-24页 |
| 2.2.1 脑电信号特征 | 第21-22页 |
| 2.2.2 大脑功能分区 | 第22-24页 |
| 2.3 数据采集 | 第24-25页 |
| 2.3.1 受试者筛选 | 第24页 |
| 2.3.2 EEG采集 | 第24-25页 |
| 2.4 数据预处理 | 第25-28页 |
| 2.4.1 带通滤波 | 第26页 |
| 2.4.2 去除伪迹 | 第26-27页 |
| 2.4.3 数据检查 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 脑电特征提取及应用 | 第29-53页 |
| 3.1 引言 | 第29页 |
| 3.2 基于功率谱的脑电特征提取 | 第29-31页 |
| 3.3 基于信息熵的脑电特征提取 | 第31-36页 |
| 3.3.1 近似熵 | 第31-32页 |
| 3.3.2 样本熵 | 第32-33页 |
| 3.3.3 排序熵 | 第33-34页 |
| 3.3.4 小波熵 | 第34-35页 |
| 3.3.5 多尺度熵 | 第35-36页 |
| 3.4 基于连接性的脑电特征提取 | 第36-38页 |
| 3.4.1 相干性 | 第36-37页 |
| 3.4.2 相位同步 | 第37-38页 |
| 3.5 统计方法 | 第38-40页 |
| 3.5.1 独立样本t检验 | 第38-39页 |
| 3.5.2 重复测量方差分析 | 第39-40页 |
| 3.6 统计分析结果及讨论 | 第40-52页 |
| 3.6.1 功率谱 | 第40-44页 |
| 3.6.2 信息熵 | 第44-47页 |
| 3.6.3 连接性 | 第47-51页 |
| 3.6.4 讨论 | 第51-52页 |
| 3.7 本章小结 | 第52-53页 |
| 第4章 脑电特征选择及分类 | 第53-61页 |
| 4.1 引言 | 第53页 |
| 4.2 特征选择 | 第53-54页 |
| 4.3 分类算法 | 第54-56页 |
| 4.4 分类结果分析 | 第56-59页 |
| 4.4.1 单一特征量分类结果 | 第56-59页 |
| 4.4.2 改进分类结果 | 第59页 |
| 4.5 本章小结 | 第59-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间取得的研究成果 | 第70页 |
