基于静息态ECoG的脑功能区定位研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 脑功能区定位的研究背景 | 第11-12页 |
| 1.2 脑功能区定位的国内外研究现状 | 第12-15页 |
| 1.2.1 术前脑功能定位方法 | 第12-13页 |
| 1.2.2 术中脑功能定位方法 | 第13-15页 |
| 1.3 基于皮质脑电的脑功能区定位研究方法 | 第15-17页 |
| 1.4 本论文的研究内容及架构 | 第17-19页 |
| 1.4.1 论文研究的内容 | 第17页 |
| 1.4.2 论文结构安排 | 第17-19页 |
| 第二章 脑电信号的产生与处理 | 第19-28页 |
| 2.1 脑电信号的生理基础 | 第19-24页 |
| 2.1.1 大脑的结构 | 第19-20页 |
| 2.1.2 大脑皮层功能区 | 第20-22页 |
| 2.1.3 神经元和突触 | 第22-23页 |
| 2.1.4 神经兴奋的离子学说 | 第23-24页 |
| 2.2 脑电信号的产生 | 第24-26页 |
| 2.2.1 静息态皮质脑电产生原理 | 第24页 |
| 2.2.2 脑电的采集与记录 | 第24-25页 |
| 2.2.3 脑电信号的特性 | 第25-26页 |
| 2.3 脑电信号的处理 | 第26-27页 |
| 2.3.1 脑电信号特征提取与模式识别分类方法 | 第26-27页 |
| 2.3.2 脑电信号应用实例 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 静息态皮质脑电预处理算法 | 第28-35页 |
| 3.1 皮质脑电去噪方法 | 第28-31页 |
| 3.1.1 独立分量分析基础原理 | 第28-29页 |
| 3.1.2 改进的快速独立分量分析算法 | 第29-31页 |
| 3.2 静息态皮质脑电样本采集及预处理 | 第31-34页 |
| 3.2.1 数据采集 | 第31-33页 |
| 3.2.2 独立分量干扰噪声信号提取 | 第33页 |
| 3.2.3 去除眼动干扰信号 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第四章 静息态皮质脑电的特征提取和识别算法 | 第35-50页 |
| 4.1 皮质脑电特征提取算法 | 第35-40页 |
| 4.1.1 小波变换 | 第35-37页 |
| 4.1.2 特征提取算法设计 | 第37-38页 |
| 4.1.3 小波分析特征提取算法 | 第38-40页 |
| 4.2 识别分类算法设计 | 第40-42页 |
| 4.2.1 支持向量机 | 第40-42页 |
| 4.2.2 libsvm工具箱 | 第42页 |
| 4.3 模型学习与测试 | 第42-47页 |
| 4.3.1 皮质电刺激术（ECS） | 第42-43页 |
| 4.3.2 ROC曲线 | 第43页 |
| 4.3.3 提取和分类算法模型 | 第43-44页 |
| 4.3.4 脑功能区定位 | 第44-47页 |
| 4.4 讨论 | 第47-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第五章 脑功能区地形图 | 第50-59页 |
| 5.1 脑功能区地形图的原理 | 第50-51页 |
| 5.1.1 脑功能区地形图概念 | 第50页 |
| 5.1.2 脑功能区地形图绘制步骤 | 第50-51页 |
| 5.2 硬膜下矩阵式电极定位方法 | 第51-56页 |
| 5.2.1 单个电极坐标的区域提取算法 | 第51-52页 |
| 5.2.2 扩展电极逐点排序算法 | 第52-53页 |
| 5.2.3 电极定位联合算法 | 第53-54页 |
| 5.2.4 实验与结果 | 第54-56页 |
| 5.3 脑功能区地形图成像 | 第56-57页 |
| 5.4 本章小结 | 第57-59页 |
| 总结 | 第59-62页 |
| 工作总结 | 第59-60页 |
| 展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 攻读硕士期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附件 | 第70页 |
