睡眠纺锤波自动检测的优化与应用
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第7-8页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 研究背景与意义 | 第8-13页 |
| 1.1.1 睡眠纺锤波的判据 | 第9-10页 |
| 1.1.2 睡眠阶段的划分 | 第10-12页 |
| 1.1.3 自动检测算法的黄金标准 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文研究内容 | 第14-16页 |
| 1.4 本文结构 | 第16-17页 |
| 第二章 常规自动检测算法的分析 | 第17-37页 |
| 2.1 数据和来源 | 第18-20页 |
| 2.2 常规纺锤波检测算法 | 第20-32页 |
| 2.2.1 Bódizs个体调节算法 | 第20-22页 |
| 2.2.2 Ferrarelli振幅阈值算法 | 第22-24页 |
| 2.2.3 M?lle慢波均方根方法 | 第24-25页 |
| 2.2.4 Martin小窗口均方根方法 | 第25-27页 |
| 2.2.5 Wamsley小波方法 | 第27-28页 |
| 2.2.6 Wendt时变阈值方法 | 第28-30页 |
| 2.2.7 Tsanas概率估计小波方法 | 第30-32页 |
| 2.3 黄金标准的评价指标 | 第32-34页 |
| 2.4 结果讨论 | 第34-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 考虑成分分离预处理的纺锤波检测 | 第37-46页 |
| 3.1 基于成分分离的预处理方法 | 第38-39页 |
| 3.2 性能与评价指标 | 第39-44页 |
| 3.2.1 评价指标 | 第40-42页 |
| 3.2.2 性能比较与讨论 | 第42-44页 |
| 3.3 本章小结 | 第44-46页 |
| 第四章 纺锤波自动检测算法的最优参数 | 第46-56页 |
| 4.1 目标函数的设定 | 第46页 |
| 4.2 多目标进化算法 | 第46-48页 |
| 4.3 结果 | 第48-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 附录 | 第59-67页 |
| 致谢 | 第67页 |
