基于脑机接口的睡眠分期算法及应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.1.1 选题背景 | 第11-12页 |
| 1.1.2 课题研究意义 | 第12-13页 |
| 1.2 课题研究现状 | 第13-16页 |
| 1.2.1 脑电信号概述 | 第13-14页 |
| 1.2.2 脑机接口研究现状 | 第14-15页 |
| 1.2.3 睡眠活动研究现状 | 第15-16页 |
| 1.3 睡眠分期 | 第16-20页 |
| 1.3.1 睡眠分期标准 | 第16-19页 |
| 1.3.2 睡眠脑电特征波 | 第19-20页 |
| 1.4 研究内容和创新点 | 第20-21页 |
| 1.5 论文结构 | 第21-23页 |
| 第二章 睡眠脑电分析 | 第23-46页 |
| 2.1 睡眠脑电信号采集 | 第23-24页 |
| 2.2 滤波预处理 | 第24-37页 |
| 2.3 特征提取与选择 | 第37-38页 |
| 2.3.1 特征提取方法 | 第37-38页 |
| 2.3.2 特征选择 | 第38页 |
| 2.4 分类识别 | 第38-45页 |
| 2.4.1 分类识别算法 | 第39-44页 |
| 2.4.2 分类器选择 | 第44-45页 |
| 2.5 本章小结 | 第45-46页 |
| 第三章 睡眠分期算法及评估 | 第46-58页 |
| 3.1 常见睡眠分期算法简介 | 第46-47页 |
| 3.2 本文算法描述 | 第47-51页 |
| 3.2.1 基于频域分析和统计计算的特征提取 | 第47-50页 |
| 3.2.2 基于支持向量机的交叉验证 | 第50-51页 |
| 3.3 算法评估 | 第51-57页 |
| 3.3.1 评估数据说明 | 第51-52页 |
| 3.3.2 算法评估指标 | 第52页 |
| 3.3.3 结果分析 | 第52-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第四章 离线睡眠分期实验及结果分析 | 第58-65页 |
| 4.1 离线实验设计 | 第58-61页 |
| 4.1.1 基于AASM的睡眠信号采集 | 第58-61页 |
| 4.1.2 实验环境设置 | 第61页 |
| 4.2 实验过程 | 第61-63页 |
| 4.2.1 实验数据说明 | 第61-62页 |
| 4.2.2 实验过程描述 | 第62-63页 |
| 4.3 结果分析 | 第63-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 在线睡眠分期实验及结果分析 | 第65-71页 |
| 5.1 基于脑机接口的在线睡眠分期系统 | 第65-67页 |
| 5.1.1 脑机接口系统简介 | 第65-66页 |
| 5.1.2 脑机接口系统优势分析 | 第66页 |
| 5.1.3 在线睡眠分期系统介绍 | 第66-67页 |
| 5.2 在线实验设计 | 第67-68页 |
| 5.2.1 模型训练方法 | 第68页 |
| 5.2.2 实验过程描述 | 第68页 |
| 5.3 在线实验结果分析 | 第68-69页 |
| 5.4 本章小结 | 第69-71页 |
| 总结和展望 | 第71-73页 |
| 总结 | 第71-72页 |
| 展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77-78页 |
| 致谢 | 第78-79页 |
| 附件 | 第79页 |
