基于S变换和深信度网络的自动癫痫检测
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-14页 |
| 1.1.1. 脑电图简介 | 第11-12页 |
| 1.1.2. 癫痫简介 | 第12-14页 |
| 1.1.3. 癫痫检测研究意义 | 第14页 |
| 1.2 癫痫检测的研究方法 | 第14-15页 |
| 1.3 癫痫检测的研究现状 | 第15-17页 |
| 1.4 论文结构安排 | 第17-19页 |
| 第2章 特征提取和归一化 | 第19-26页 |
| 2.1 S变换 | 第19-22页 |
| 2.2 特征提取 | 第22-24页 |
| 2.3 归一化 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 深度学习和深信度网络 | 第26-34页 |
| 3.1 深度学习模型 | 第26-29页 |
| 3.1.1. 编码模型 | 第26-28页 |
| 3.1.2. 限制波尔兹曼机 | 第28页 |
| 3.1.3. 卷积神经网络 | 第28-29页 |
| 3.2 限制玻尔兹曼机 | 第29-31页 |
| 3.3 深信度网络 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 实验过程与结果讨论 | 第34-45页 |
| 4.1 实验数据 | 第34-36页 |
| 4.1.1. 德国弗莱堡长程脑电数据 | 第34-35页 |
| 4.1.2. 波恩短程脑电数据 | 第35-36页 |
| 4.2 实验流程 | 第36-37页 |
| 4.3 后处理 | 第37-39页 |
| 4.4 系统评价标准 | 第39-40页 |
| 4.4.1 基于时间段的评价标准 | 第39-40页 |
| 4.4.2 基于事件的评价标准 | 第40页 |
| 4.5 仿真结果及分析 | 第40-42页 |
| 4.6 结果讨论 | 第42-44页 |
| 4.7 本章小结 | 第44-45页 |
| 第5章 结论和展望 | 第45-47页 |
| 5.1 结论 | 第45-46页 |
| 5.2 展望 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 致谢 | 第52-54页 |
| 攻读硕士研究生期间研究成果 | 第54-55页 |
| 学位论文评阅及答辩情况表 | 第55页 |
