基于EEG的睡眠分期与睡眠评估方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 课题研究的背景和意义 | 第11-13页 |
| 1.1.1 课题研究的背景 | 第11-12页 |
| 1.1.2 课题研究的意义 | 第12-13页 |
| 1.2 睡眠脑电研究现状 | 第13-15页 |
| 1.2.1 睡眠脑电研究现状 | 第13页 |
| 1.2.2 睡眠分期现状 | 第13-15页 |
| 1.3 睡眠监测技术国内外发展现状 | 第15-19页 |
| 1.3.1 多导睡眠监测仪（PSG） | 第15-17页 |
| 1.3.2 便携式睡眠监测仪（PMDs） | 第17-19页 |
| 1.4 研究内容和论文结构 | 第19-21页 |
| 1.4.1 论文研究的内容 | 第19-20页 |
| 1.4.2 论文结构安排 | 第20-21页 |
| 第二章 睡眠脑电分期原理 | 第21-31页 |
| 2.1 脑电基础知识 | 第21-25页 |
| 2.1.1 脑电信号的产生 | 第21页 |
| 2.1.2 脑电信号的采集 | 第21-23页 |
| 2.1.3 脑电的基本波形 | 第23-24页 |
| 2.1.4 脑电信号的分析方法 | 第24-25页 |
| 2.2 睡眠基础理论 | 第25-28页 |
| 2.2.1 睡眠分期准则 | 第25-26页 |
| 2.2.2 睡眠各期特点 | 第26-28页 |
| 2.3 睡眠脑电分期系统 | 第28-30页 |
| 2.3.1 睡眠脑电自动分期系统 | 第28-29页 |
| 2.3.2 实验数据及预处理 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 特征提取算法研究 | 第31-46页 |
| 3.1 能量特征提取算法及实验 | 第31-40页 |
| 3.1.1 脑电能量特征提取算法 | 第31-35页 |
| 3.1.2 能量特征提取实验 | 第35-40页 |
| 3.2 LZC特征提取算法及实验 | 第40-42页 |
| 3.2.1 LZC算法原理 | 第40-41页 |
| 3.2.2 LZC特征提取实验 | 第41-42页 |
| 3.3 特征降维方法及实验 | 第42-45页 |
| 3.3.1 特征选择方法 | 第42-44页 |
| 3.3.2 主成分分析(PCA)方法 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 分类算法研究 | 第46-56页 |
| 4.1 分类算法原理 | 第46-51页 |
| 4.1.1 fisher线性分类器 | 第46-48页 |
| 4.1.2 人工神经网络 | 第48-49页 |
| 4.1.3 最小二乘支持向量机（LS-SVM） | 第49-51页 |
| 4.2 自动分期实验 | 第51-54页 |
| 4.2.1 LS-SVM多分类器的构建 | 第51-52页 |
| 4.2.2 自动分期系统测试 | 第52-54页 |
| 4.2.3 结果讨论 | 第54页 |
| 4.3 本章小结 | 第54-56页 |
| 第五章 睡眠质量评估系统 | 第56-60页 |
| 5.1 基于EEG的睡眠评估 | 第56-58页 |
| 5.1.1 睡眠测量指标 | 第56-57页 |
| 5.1.2 基于EEG的睡眠评估 | 第57-58页 |
| 5.2 睡眠质量综合评估系统 | 第58-59页 |
| 5.3 本章小结 | 第59-60页 |
| 总结和展望 | 第60-63页 |
| 总结 | 第60页 |
| 展望 | 第60-63页 |
| 参考文献 | 第63-70页 |
| 附录:匹茨堡睡眠质量指数量表(PSQI) | 第70-77页 |
| 攻读硕士期间取得的研究成果 | 第77-78页 |
| 致谢 | 第78-79页 |
| 附件 | 第79页 |
