首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于脑磁图的颞叶癫痫亚型分类研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第10-16页
    1.1 课题的研究背景与意义第10-11页
    1.2 难治性癫痫综述第11-12页
    1.3 脑磁图第12-13页
    1.4 功能连接第13-15页
    1.5 主要研究内容第15-16页
第2章 脑磁图和磁共振的数据采集第16-21页
    2.1 引言第16-17页
    2.2 数据采集第17-19页
        2.2.1 研究对象第17-18页
        2.2.2 MEG数据采集第18-19页
        2.2.3 MRI数据采集第19页
    2.3 本章小结第19-21页
第3章 脑磁图数据预处理第21-28页
    3.1 引言第21页
    3.2 数据处理第21-24页
        3.2.1 脑磁图原始数据预处理第21-22页
        3.2.2 构建功能网络第22-24页
    3.3 功能连接的特征提取第24-27页
    3.4 本章小结第27-28页
第4章 基于支持向量机的不同颞叶癫痫亚型功能连接差异研究第28-41页
    4.1 引言第28页
    4.2 支持向量机概述第28-31页
        4.2.1 最优分离超平面的构造第29-30页
        4.2.2 核函数的选取第30页
        4.2.3 参数的选择第30-31页
    4.3 分类实验流程设计与优化第31-32页
    4.4 实验结果与分析第32-38页
        4.4.1 验证集的分类精度第32-33页
        4.4.2 一致特征与区域特征第33-35页
        4.4.3 测试集分类结果第35页
        4.4.4 随机样本的分类精度第35-36页
        4.4.5 随机样本法的一致特征和区域特征第36-37页
        4.4.6 两种不同样本选择方式结果的重合脑区第37-38页
    4.5 功能连接分析第38-40页
    4.6 本章小结第40-41页
第5章 基于深度卷积神经网络的颞叶癫痫亚型分类识别第41-52页
    5.1 引言第41-42页
    5.2 卷积神经网络概述第42-44页
    5.3 实验数据收集及平台搭建第44-49页
        5.3.1 实验数据收集及处理第44-45页
        5.3.2 分类模型构建及参数选择第45-49页
    5.4 分类实验结果与分析第49页
    5.5 本章小结第49-52页
结论第52-54页
参考文献第54-61页
攻读学位期间发表的学术论文第61-62页
致谢第62页

论文共62页,点击 下载论文
上一篇:人体骨骼肌生物力学建模与仿真
下一篇:无人机红外图像和可见光图像配准融合算法研究