首页--医药、卫生论文--基础医学论文--医用一般科学论文--生物医学工程论文--一般性问题论文

纺锤波自动检测算法平台的构建及其在智力研究中的应用

摘要第5-6页
ABSTRACT第6-7页
符号对照表第11-12页
缩略语对照表第12-16页
第一章 绪论第16-22页
    1.1 睡眠研究背景及意义第16页
    1.2 脑电信号的发现第16-18页
    1.3 脑电信号的特点第18-19页
    1.4 脑电信号的采集第19页
    1.5 纺锤波的研究背景第19-20页
    1.6 课题研究意义和主要内容第20-22页
第二章 纺锤波综述第22-38页
    2.1 纺锤波的定义第22-23页
    2.2 纺锤波的动态特性第23-25页
        2.2.1 N2阶段和SWS阶段的纺锤波第23-24页
        2.2.2 纺锤波在睡眠周期中的变化第24-25页
    2.3 纺锤波的形成机制第25-26页
        2.3.1 丘脑和丘脑皮层第25页
        2.3.2 脑干机制第25-26页
    2.4 纺锤波研究背景第26-38页
        2.4.1 纺锤波与delta波的关系第26-27页
        2.4.2 睡眠剥夺的影响第27-28页
        2.4.3 纺锤波和生理期第28-29页
        2.4.4 纺锤波的重要性以及与K复合波的关系第29-30页
        2.4.5 纺锤波与个体发育第30-31页
        2.4.6 纺锤波与年龄增长第31-32页
        2.4.7 纺锤波的区域性第32-35页
        2.4.8 纺锤波的个体间差异和个体内稳定性第35页
        2.4.9 纺锤波与智力第35-38页
第三章 纺锤波自动检测和平台搭建第38-56页
    3.1 纺锤波识别的“金标准”第38-39页
    3.2 纺锤波自动检测性能评估方法第39页
    3.3 纺锤波自动检测算法第39-50页
        3.3.1 基于RMS算法的睡眠纺锤波自动检测第39-42页
        3.3.2 基于功率谱二阶导的睡眠纺锤波自动检测第42-45页
        3.3.3 基于匹配追踪(MP)的睡眠纺锤波自动检测第45-47页
        3.3.4 基于AR模型的睡眠纺锤波自动检测第47-48页
        3.3.5 四种算法综合比较第48-50页
    3.4 软件平台构建第50-56页
        3.4.1 数据导入和显示第51-52页
        3.4.2 睡眠阶段划分第52-53页
        3.4.3 数据自动截取和阶段统计分析第53-54页
        3.4.4 纺锤波手动检测第54-55页
        3.4.5 纺锤波自动检测第55页
        3.4.6 其他功能扩展第55-56页
第四章 实验设计第56-64页
    4.1 脑电实验第56-61页
        4.1.1 电极选择和安放第56页
        4.1.2 导联方式选择第56-57页
        4.1.3 实验仪器介绍第57-59页
        4.1.4 被试选择第59页
        4.1.5 实验流程第59-61页
    4.2 智力测验第61-64页
        4.2.1 韦氏成人智力表第61-62页
        4.2.2 测验内容第62-63页
        4.2.3 补充内容第63-64页
第五章 结果和分析第64-74页
    5.1 智力结果分析第64-65页
    5.2 睡眠阶段划分第65-68页
    5.3 睡眠参数计算第68页
    5.4 纺锤波检测结果统计第68-69页
    5.5 纺锤波与三组智力相关性第69-74页
        5.5.1 纺锤波数量与智力相关性第69-71页
        5.5.2 密度与3组智力值相关性第71-72页
        5.5.3 平均幅度与3组智力值相关性第72-74页
第六章 总结与展望第74-76页
    6.1 总结第74页
    6.2 不足与展望第74-76页
参考文献第76-86页
致谢第86-88页
作者简介第88-89页

论文共89页,点击 下载论文
上一篇:风电机组轴承健康状态评估和劣化趋势预测方法的研究
下一篇:人口流动背景下的农村基层党组织建设问题研究