| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 引言 | 第11-12页 |
| 1.2 研究背景及方法介绍 | 第12-20页 |
| 1.2.1 脑的结构与癫痫 | 第12-13页 |
| 1.2.2 癫痫的临床诊疗方法 | 第13-17页 |
| 1.2.3 脑电高频振荡信号的研究进展 | 第17-19页 |
| 1.2.4 癫痫预测方法的研究进展 | 第19-20页 |
| 1.3 本文的主要贡献与创新 | 第20页 |
| 1.4 本论文的结构安排 | 第20-22页 |
| 第二章 脑电高频振荡信号理论基础及临床数据采集 | 第22-29页 |
| 2.1 引言 | 第22页 |
| 2.2 脑电高频振荡信号的产生机制 | 第22页 |
| 2.3 HFOs的采集技术与分析方法 | 第22-26页 |
| 2.3.1 HFOs采集技术 | 第22-23页 |
| 2.3.2 HFOs的信号特征与分析 | 第23-25页 |
| 2.3.3 目前HFOs分析方法存在的问题 | 第25-26页 |
| 2.4 本研究中癫痫患者临床数据采集 | 第26页 |
| 2.5 本章小结 | 第26-29页 |
| 第三章 脑电高频振荡信号的自动检测算法研究 | 第29-45页 |
| 3.1 引言 | 第29页 |
| 3.2 基于小波包分解的HFOs预检测方法 | 第29-38页 |
| 3.2.1 脑电数据的干扰分析 | 第29页 |
| 3.2.2 小波理论在HFOs检测中的应用 | 第29-36页 |
| 3.2.3 HFOs预检测算法 | 第36-38页 |
| 3.3 基于BP神经网络的HFOs增强检测算法 | 第38-42页 |
| 3.3.1 HFOs检测算法问题分析 | 第38-39页 |
| 3.3.2 BP神经网络介绍 | 第39-41页 |
| 3.3.3 HFOs特征提取与训练 | 第41-42页 |
| 3.4 本文HFOs检测算法的性能测试与对比分析 | 第42-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 基于脑电高频振荡信号的癫痫定位与癫痫预测研究 | 第45-55页 |
| 4.1 引言 | 第45页 |
| 4.2 临床患者数据信息与实验方案 | 第45-46页 |
| 4.3 HFOs与临床癫痫灶关系研究 | 第46-51页 |
| 4.3.1 HFOs的统计分析 | 第46-48页 |
| 4.3.2 HFOs空间分布与临床癫痫灶关系分析 | 第48-51页 |
| 4.4 基于HFOs的癫痫预测探索 | 第51-53页 |
| 4.4.1 癫痫发作前期HFOs统计与分析 | 第51-53页 |
| 4.4.2 临床数据分析结果与讨论 | 第53页 |
| 4.5 本章小结 | 第53-55页 |
| 第五章 全文总结与展望 | 第55-57页 |
| 5.1 全文总结 | 第55页 |
| 5.2 后续工作展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间取得的成果 | 第63页 |