| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-24页 |
| 1.1 课题的研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状及分析 | 第14-21页 |
| 1.2.1 脑神经科学研究现状 | 第14-15页 |
| 1.2.2 脑功能监测的基本原理 | 第15-16页 |
| 1.2.3 功能性近红外光谱技术 | 第16-19页 |
| 1.2.4 脑功能监测信号分析方法 | 第19-21页 |
| 1.2.5 属性偏序理论研究现状 | 第21页 |
| 1.3 本文的主要研究内容 | 第21-24页 |
| 第2章 脑功能近红外光谱分析技术的基本原理 | 第24-43页 |
| 2.1 引言 | 第24页 |
| 2.2 功能近红外光谱技术脑功能监测基本原理 | 第24-34页 |
| 2.2.1 人体主要组织成分对近红外光的吸收作用 | 第25-28页 |
| 2.2.2 人体主要组织成分对近红外光的散射作用 | 第28-29页 |
| 2.2.3 Beer-Lambert法则修正与微分光程确定 | 第29-31页 |
| 2.2.4 脑功能近红外光谱采集设备 | 第31-34页 |
| 2.3 功能近红外光谱技术的血液动力学参数提取 | 第34-36页 |
| 2.4 功能近红外光谱技术的原始信号去噪 | 第36-42页 |
| 2.4.1 现有运动伪影去噪方法研究 | 第36-40页 |
| 2.4.2 原始信号去噪方法比较 | 第40-42页 |
| 2.5 本章小结 | 第42-43页 |
| 第3章 基于多元图表示原理的fNIRS信号特征提取 | 第43-63页 |
| 3.1 引言 | 第43-44页 |
| 3.2 大脑运动皮层的fNIRS信号采集 | 第44-46页 |
| 3.3 fNIRS的典型特点与统计特征提取 | 第46-50页 |
| 3.3.1 典型特点 | 第46-48页 |
| 3.3.2 基于统计方法的fNIRS特征提取 | 第48-50页 |
| 3.4 基于多元图表示原理的fNIRS信号特征提取 | 第50-57页 |
| 3.4.1 多维数据多元图表示原理 | 第51-52页 |
| 3.4.2 雷达图表示及图特征提取方法 | 第52-54页 |
| 3.4.3 变尺度雷达图特征提取 | 第54-57页 |
| 3.5 特征提取方法比较 | 第57-62页 |
| 3.5.1 实验数据处理及模式分类方法 | 第57-58页 |
| 3.5.2 实验结果比较 | 第58-62页 |
| 3.6 本章小结 | 第62-63页 |
| 第4章 属性偏序表示序 | 第63-89页 |
| 4.1 引言 | 第63-64页 |
| 4.2 属性偏序表示序理论基础 | 第64-72页 |
| 4.2.1 属性偏序理论基础 | 第64-68页 |
| 4.2.2 字典学习的基本原理 | 第68-72页 |
| 4.3 fNIRS信号属性偏序分析 | 第72-81页 |
| 4.3.1 属性偏序结构图的模式分类原理 | 第72-73页 |
| 4.3.2 fNIRS信号形式背景生成 | 第73-75页 |
| 4.3.3 属性偏序结构图逐层生成算法 | 第75-77页 |
| 4.3.4 fNIRS属性偏序结构图类模式析取 | 第77-81页 |
| 4.4 属性偏序表示序 | 第81-88页 |
| 4.4.1 属性偏序表示序原理 | 第82-83页 |
| 4.4.2 属性偏序表示序字典学习算法 | 第83-85页 |
| 4.4.3 属性偏序表示序分类器及测试 | 第85-88页 |
| 4.5 本章小结 | 第88-89页 |
| 第5章 属性偏序表示序分类器的fNIRS实验研究 | 第89-128页 |
| 5.1 引言 | 第89-90页 |
| 5.2 工作记忆n-back实验数据集 | 第90-93页 |
| 5.2.1 实验范式说明 | 第90-92页 |
| 5.2.2 实验数据记录 | 第92-93页 |
| 5.3 n-back血液动力学响应的多元图可视化 | 第93-110页 |
| 5.3.1 血液动力学平均变化分析 | 第93-105页 |
| 5.3.2 雷达图分析与特征提取 | 第105-110页 |
| 5.4 属性偏序表示序分类器的工作记忆负荷量化 | 第110-115页 |
| 5.4.1 参数选择 | 第110-112页 |
| 5.4.2 n-back与静息 | 第112-113页 |
| 5.4.3 工作记忆负荷量化 | 第113-114页 |
| 5.4.4 实验结果讨论 | 第114-115页 |
| 5.5 麻醉状态fNIRS信号仿真 | 第115-122页 |
| 5.5.1. fNIRS信号仿真模型 | 第115-118页 |
| 5.5.2 麻醉深度fNIRS信号仿真依据 | 第118-120页 |
| 5.5.3 麻醉状态fNIRS仿真信号生成 | 第120-122页 |
| 5.6 fNIRS信号麻醉状态识别 | 第122-127页 |
| 5.6.1 静息与麻醉状态识别 | 第123-126页 |
| 5.6.2 麻醉与麻醉并发症状态识别 | 第126-127页 |
| 5.7 本章小结 | 第127-128页 |
| 结论 | 第128-130页 |
| 参考文献 | 第130-140页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第140-142页 |
| 致谢 | 第142页 |
