基于多通道近红外光谱信号疾病诊断的模式识别分类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-15页 |
| ·本文的研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·近红外光谱技术的发展现状 | 第11-12页 |
| ·NIRS在精神分裂症的研究现状 | 第12页 |
| ·论文研究内容及工作 | 第12-14页 |
| ·论文的组织结构 | 第14-15页 |
| 第2章 多通道NIRS的采集与处理分析 | 第15-27页 |
| ·近红外光谱血氧检测技术概述 | 第15-16页 |
| ·近红外数据采集 | 第16-18页 |
| ·研究对象 | 第16页 |
| ·实验描述和NIRS数据测量 | 第16-18页 |
| ·近红外数据的预处理 | 第18页 |
| ·预处理结果展示 | 第18-20页 |
| ·数据的统计分析 | 第20-22页 |
| ·统计结果与分析 | 第22-26页 |
| ·被试者的人口统计学分析 | 第22页 |
| ·样本人口特征与大脑激活程度的相关性分析 | 第22-23页 |
| ·VFT任务对大脑激活程度的影响 | 第23-24页 |
| ·大脑激活程度的组间比较 | 第24-25页 |
| ·统计分析小结 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 分类算法的研究 | 第27-36页 |
| ·线性判别分析算法 | 第27-29页 |
| ·算法基本原理 | 第27-28页 |
| ·线性判别分析算法的特点 | 第28-29页 |
| ·K近邻分类算法 | 第29-30页 |
| ·算法基本原理 | 第29页 |
| ·KNN算法的特点 | 第29-30页 |
| ·高斯过程分类算法 | 第30-31页 |
| ·高斯过程的基本原理 | 第30-31页 |
| ·高斯过程分类算法的特点 | 第31页 |
| ·支持向量机 | 第31-35页 |
| ·线性可分情况下的支持向量机 | 第31-33页 |
| ·非线性可分情况下的支持向量机 | 第33页 |
| ·非线性情况的支持向量机 | 第33-34页 |
| ·支持向量机的特点 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 多通道NIRS数据的分类研究 | 第36-51页 |
| ·NIRS数据分类研究框架 | 第36-37页 |
| ·特征提取和特征选择 | 第37-40页 |
| ·PCA基本原理 | 第37-39页 |
| ·PCA算法的特点分析 | 第39-40页 |
| ·NIRS数据的特征提取和特征选择 | 第40页 |
| ·分类器性能评估方法 | 第40-41页 |
| ·各分类器的参数设置 | 第41-42页 |
| ·结果分析 | 第42-48页 |
| ·NIRS信号均值的组间比较 | 第42页 |
| ·单通道情况的分类 | 第42-45页 |
| ·组合特征情况的分类 | 第45-47页 |
| ·三种NIRS信号分类性能综合比较 | 第47-48页 |
| ·讨论 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 总结和展望 | 第51-53页 |
| ·总结 | 第51-52页 |
| ·下一步工作展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 个人简历 在学期间发表的学术论文与研究成果 | 第58页 |
