睡眠脑电分析与自动分期方法的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究的目的和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文内容和结构安排 | 第13-15页 |
| 第二章 脑电信号与睡眠分期 | 第15-22页 |
| 2.1 脑电信号的产生 | 第15-16页 |
| 2.2 脑电极简介 | 第16-18页 |
| 2.2.1 脑电极种类 | 第16-17页 |
| 2.2.2 脑电极的位置 | 第17-18页 |
| 2.3 睡眠脑电信号的节律波 | 第18-19页 |
| 2.4 睡眠分期 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 分析脑电信号的方法 | 第22-33页 |
| 3.1 脑电信号的特征 | 第22-23页 |
| 3.2 时域分析法 | 第23页 |
| 3.3 频域分析法 | 第23-25页 |
| 3.4 时频分析法 | 第25-32页 |
| 3.4.1 短时傅里叶变换 | 第26-29页 |
| 3.4.2 小波变换 | 第29-32页 |
| 3.5 几种方法的比较 | 第32页 |
| 3.6 本章小节 | 第32-33页 |
| 第四章 处理脑电信号 | 第33-49页 |
| 4.1 脑电信号数据的来源 | 第33-34页 |
| 4.2 脑电信号的去噪预处理 | 第34-36页 |
| 4.2.1 傅里叶变换去噪 | 第34页 |
| 4.2.2 小波阀值去噪 | 第34-36页 |
| 4.3 睡眠状态和脑电节律波 | 第36-44页 |
| 4.3.1 小波分解法 | 第37-40页 |
| 4.3.2 小波包分解法 | 第40-43页 |
| 4.3.3 两种分解方法的比较 | 第43-44页 |
| 4.4 基于样本熵提取睡眠特征 | 第44-48页 |
| 4.4.1 样本熵 | 第44-46页 |
| 4.4.2 基于节律波睡眠特征的提取 | 第46-47页 |
| 4.4.3 基于多尺度熵的睡眠特征的提取 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 睡眠脑电的自动分期 | 第49-58页 |
| 5.1 随机森林在睡眠分期中的应用 | 第49-52页 |
| 5.1.1 决策树 | 第49-50页 |
| 5.1.2 随机森林 | 第50页 |
| 5.1.3 基于随机森林睡眠脑电自动分期 | 第50-52页 |
| 5.2 支持向量机在睡眠分期中的应用 | 第52-56页 |
| 5.2.1 支持向量机 | 第52页 |
| 5.2.2 支持向量机二分类到多分类 | 第52-55页 |
| 5.2.3 基于支持向量机睡眠脑电自动分期 | 第55-56页 |
| 5.3 分类数据的比较 | 第56-57页 |
| 5.4 本章小节 | 第57-58页 |
| 总结与展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读学位期间发表的科研成果 | 第64-66页 |
| 致谢 | 第66页 |
