| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第13-31页 |
| 1.1 课题来源 | 第13页 |
| 1.2 课题研究的目的和意义 | 第13-14页 |
| 1.3 人工肛门括约肌系统国内外研究概况 | 第14-20页 |
| 1.3.1 传统治疗手段 | 第14-15页 |
| 1.3.2 基于尿道括约肌改进的人工肛门括约肌 | 第15-17页 |
| 1.3.3 基于压电陶瓷的人工肛门括约肌 | 第17-18页 |
| 1.3.4 基于记忆合金的人工肛门括约肌 | 第18-19页 |
| 1.3.5 反馈式人工肛门括约肌 | 第19-20页 |
| 1.4 直肠感知功能重建研究现状 | 第20-27页 |
| 1.4.1 结直肠感知研究现状 | 第20-23页 |
| 1.4.2 直肠感知功能的机理分析 | 第23-27页 |
| 1.4.3 结肠动力运动的频率 | 第27页 |
| 1.5 直肠感知功能重建预测模型 | 第27-28页 |
| 1.6 论文的主要研究内容 | 第28-30页 |
| 1.7 本章小结 | 第30-31页 |
| 第二章 人工肛门括约肌系统研究与设计 | 第31-49页 |
| 2.1 引言 | 第31页 |
| 2.2 人工肛门括约肌系统研究目标 | 第31-34页 |
| 2.2.1 人体排便机理 | 第31-33页 |
| 2.2.2 研究目标 | 第33-34页 |
| 2.3 人工括约肌系统实现的技术方案 | 第34-47页 |
| 2.3.1 人工肛门括约肌执行机构 | 第36-39页 |
| 2.3.2 生物反馈模块 | 第39-40页 |
| 2.3.3 内部控制模块 | 第40-41页 |
| 2.3.4 经皮供能模块 | 第41-44页 |
| 2.3.5 无线通讯模块 | 第44-46页 |
| 2.3.6 外部报警模块和便携式模块 | 第46-47页 |
| 2.4 系统的集成 | 第47-48页 |
| 2.5 本章小结 | 第48-49页 |
| 第三章 直肠感知功能重建模型特征提取算法研究 | 第49-71页 |
| 3.1 引言 | 第49页 |
| 3.2 直肠收缩信号特征提取方法研究现状 | 第49-50页 |
| 3.3 基于小波包的特征提取 | 第50-58页 |
| 3.3.1 小波变换的由来 | 第50-53页 |
| 3.3.2 多分辨率分析 | 第53-55页 |
| 3.3.3 小波包算法分析与直肠压力特征提取 | 第55-58页 |
| 3.4 小波包基优化算法 | 第58-63页 |
| 3.4.1 基于 Fisher 距离的最优小波包基选取 | 第58-61页 |
| 3.4.2 基于 DB（Davies-Bouldin）指标的最优基选取 | 第61-63页 |
| 3.5 直肠压力信号的特征提取 | 第63-70页 |
| 3.5.1 直肠压力信号的数据采集 | 第63-65页 |
| 3.5.2 基于小波包分析的直肠压力特征提取 | 第65-67页 |
| 3.5.3 基于最优小波包基的特征选取 | 第67-70页 |
| 3.6 本章小结 | 第70-71页 |
| 第四章 直肠感知功能重建模型分类算法研究 | 第71-96页 |
| 4.1 引言 | 第71-72页 |
| 4.2 基于 PNN 的分类算法 | 第72-75页 |
| 4.2.1 神经网络概述 | 第72-73页 |
| 4.2.2 PNN 的网络结构和算法 | 第73-75页 |
| 4.3 基于支持向量机算法的分类方法 | 第75-83页 |
| 4.3.1 最优超平面 | 第76-78页 |
| 4.3.2 支持向量机分类算法推导 | 第78-80页 |
| 4.3.3 SVM 的二分类算法 | 第80-83页 |
| 4.4 基于 PSO 优化支持向量机参数的分类方法 | 第83-90页 |
| 4.4.1 粒子群优化算法原理 | 第84-86页 |
| 4.4.2 粒子群优化算法的收敛性分析 | 第86-90页 |
| 4.5 直肠压力信号的分类结果 | 第90-95页 |
| 4.6 本章小结 | 第95-96页 |
| 第五章 直肠感知功能重建的离体实验 | 第96-108页 |
| 5.1 引言 | 第96页 |
| 5.2 人工肛门括约肌样机实验 | 第96-100页 |
| 5.2.1 人工肛门括约肌的驱动力实验 | 第96-98页 |
| 5.2.2 经皮能量传输模块实验 | 第98-99页 |
| 5.2.3 无线通讯模块实验 | 第99-100页 |
| 5.3 直肠感知功能重建实验 | 第100-105页 |
| 5.3.1 直肠感知功能重建的实验设计 | 第100-101页 |
| 5.3.2 实验数据的特征提取算法分析 | 第101-104页 |
| 5.3.3 实验数据的特征分类算法分析 | 第104-105页 |
| 5.4 系统离体实验 | 第105-107页 |
| 5.4.1 实验过程 | 第105-106页 |
| 5.4.2 实验结论分析 | 第106-107页 |
| 5.5 本章小结 | 第107-108页 |
| 第六章 总结与展望 | 第108-111页 |
| 6.1 总结 | 第108-109页 |
| 6.2 展望 | 第109-111页 |
| 参考文献 | 第111-130页 |
| 作者在攻读博士学位期间科研论文发表及专利申请情况 | 第130-133页 |
| 作者在攻读博士学位期间所参加的主要科研项目 | 第133-134页 |
| 致谢 | 第134-135页 |
