发作期癫痫脑电信号的自动检测方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·引言 | 第10页 |
| ·课题目的和意义 | 第10-12页 |
| ·癫痫脑电信号特征识别方法 | 第12-14页 |
| ·癫痫脑电信号国内外研究现状 | 第14-15页 |
| ·本文研究技术路线与主要内容 | 第15-16页 |
| 第2章 癫痫脑电信号的基础知识 | 第16-29页 |
| ·脑电记录与测量 | 第16-20页 |
| ·传统电极定位 | 第16-18页 |
| ·导联的连接方式 | 第18-20页 |
| ·脑电基础介绍 | 第20-23页 |
| ·脑电图 | 第20-21页 |
| ·脑电的种类 | 第21-22页 |
| ·脑电图的基本要素 | 第22-23页 |
| ·脑电的特点 | 第23页 |
| ·癫痫基础介绍 | 第23-26页 |
| ·癫痫的特点 | 第23-24页 |
| ·癫痫脑电的基本特征与种类 | 第24-26页 |
| ·本文所用的脑电信号 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第3章 基于多分辨率分析方法的脑电癫痫特征提取 | 第29-41页 |
| ·小波变换 | 第29-34页 |
| ·连续小波变换介绍 | 第29-31页 |
| ·离散小波变换 | 第31页 |
| ·多分辨率分析 | 第31-34页 |
| ·脑电信号的多分辨率分析 | 第34-40页 |
| ·母小波的选择 | 第34-37页 |
| ·数据分析及结果 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 EEG非线性动力学特征的提取与检测 | 第41-54页 |
| ·非线性能量算子 | 第41页 |
| ·近似熵算法 | 第41-42页 |
| ·近似熵算法原理说明 | 第41-42页 |
| ·近似熵算法 | 第42页 |
| ·信号的分析及算法验证 | 第42-53页 |
| ·基于非线性能量算子的信号分析 | 第42-50页 |
| ·基于近似熵算法的信号分析 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 基于SVM的癫痫脑电信号识别 | 第54-62页 |
| ·支持向量机 | 第54-58页 |
| ·支持向量机理论基础 | 第54页 |
| ·最优分类面 | 第54-57页 |
| ·核函数 | 第57-58页 |
| ·评价指标说明 | 第58-59页 |
| ·算法的实现与结果分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| ·全文工作总结 | 第62页 |
| ·研究展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间发表的论文情况 | 第69页 |
