基于CHMM多元特征融合的癫痫前期远程在线预警系统研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-11页 |
| 第一章 绪论 | 第11-14页 |
| ·癫痫前期预警的研究背景 | 第11页 |
| ·国内外研究历史与现状以及存在的问题 | 第11-12页 |
| ·本文的研究路线与方法 | 第12-13页 |
| ·文章组织结构 | 第13-14页 |
| 第二章 EEG基础知识 | 第14-19页 |
| ·EEG的种类与特性 | 第14页 |
| ·癫痫发作期EEG的特征 | 第14-15页 |
| ·癫痫前期EEG特征 | 第15页 |
| ·EEG的研究方法 | 第15-18页 |
| ·时域分析方法 | 第16页 |
| ·频域分析方法 | 第16页 |
| ·时频分析方法 | 第16页 |
| ·非线性分析方法 | 第16-17页 |
| ·智能分析技术 | 第17-18页 |
| ·小结 | 第18-19页 |
| 第三章 癫痫前期EEG的多元特征分析 | 第19-27页 |
| ·线性特征分析 | 第19页 |
| ·频率 | 第19页 |
| ·功率谱密度 | 第19页 |
| ·非线性动力学分析 | 第19-22页 |
| ·近似熵 | 第19-20页 |
| ·C0复杂度 | 第20-21页 |
| ·Hurst指数 | 第21-22页 |
| ·癫痫前期EEG多元特征提取实验 | 第22-26页 |
| ·实验数据源及预处理 | 第22-23页 |
| ·多元特征提取实验结果与分析 | 第23-25页 |
| ·讨论 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第四章 CHMM癫痫前期多元特征融合 | 第27-34页 |
| ·HMM模型简介 | 第27页 |
| ·HMM基本原理 | 第27-28页 |
| ·HMM的分类 | 第28-29页 |
| ·按照观测序列分类 | 第28-29页 |
| ·按照Markov链的形状分类 | 第29页 |
| ·CHMM基本算法 | 第29-32页 |
| ·前向-后向算法 | 第29-31页 |
| ·Baum-Welch算法 | 第31-32页 |
| ·Viterbi算法 | 第32页 |
| ·CHMM在脑电信号分类中的应用 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第五章 癫痫前期EEG特征建模实验 | 第34-39页 |
| ·特征建模实验设计 | 第34页 |
| ·数据准备 | 第34-35页 |
| ·癫痫前期EEG建模与训练 | 第35-36页 |
| ·初始模型的选择 | 第35页 |
| ·算法下溢问题处理 | 第35页 |
| ·模型训练与识别 | 第35-36页 |
| ·验证实验及结果 | 第36-38页 |
| ·训练集验证实验及结果 | 第36页 |
| ·测试集验证实验及结果 | 第36-38页 |
| ·小结 | 第38-39页 |
| 第六章 癫痫前期远程在线预警系统实现 | 第39-50页 |
| ·系统总体框架设计 | 第39页 |
| ·系统的工作模式 | 第39-42页 |
| ·交互训练模式 | 第40-41页 |
| ·远程在线预警模式 | 第41-42页 |
| ·特征建模模式 | 第42页 |
| ·系统功能模块 | 第42-43页 |
| ·服务器模块 | 第42-43页 |
| ·客户机模块 | 第43页 |
| ·系统配置和参数设定 | 第43-44页 |
| ·系统的实现 | 第44-46页 |
| ·工程概要 | 第44页 |
| ·程序界面 | 第44-46页 |
| ·混合编程技术 | 第46页 |
| ·远程在线预警实验 | 第46-48页 |
| ·实验数据准备 | 第46-47页 |
| ·实验结果与讨论 | 第47-48页 |
| ·小结 | 第48-50页 |
| 第七章 总结与展望 | 第50-52页 |
| ·本论文工作总结 | 第50页 |
| ·后续研究工作 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 在学期间的研究成果 | 第55-56页 |
| 致谢 | 第56页 |
