| 摘要 | 第13-15页 |
| Abstract | 第15-18页 |
| 第1章 绪论 | 第19-39页 |
| 1.1 课题研究背景 | 第19-20页 |
| 1.2 国内外研究现状 | 第20-35页 |
| 1.2.1 传统脑力疲劳检测研究现状 | 第20-25页 |
| 1.2.2 基于脑功能网络理论的脑力疲劳研究现状 | 第25-35页 |
| 1.3 课题来源、研究内容及意义 | 第35-39页 |
| 1.3.1 课题来源 | 第35页 |
| 1.3.2 主要研究内容 | 第35-36页 |
| 1.3.3 研究意义 | 第36-39页 |
| 第2章 基于EEG信号的脑力疲劳实验及数据预处理 | 第39-49页 |
| 2.1 脑力疲劳模型 | 第39-43页 |
| 2.1.1 被试者 | 第39页 |
| 2.1.2 实验设计 | 第39-40页 |
| 2.1.3 EEG信号采集 | 第40-43页 |
| 2.2 EEG数据预处理 | 第43-46页 |
| 2.2.1 伪迹去除 | 第43-45页 |
| 2.2.2 频带划分 | 第45-46页 |
| 2.3 EEG信号分析方法 | 第46-48页 |
| 2.3.1 单通道脑电分析方法 | 第46-48页 |
| 2.3.2 双通道脑电分析方法 | 第48页 |
| 2.3.3 多通道脑电分析方法 | 第48页 |
| 2.3.4 统计分析 | 第48页 |
| 2.4 本章小结 | 第48-49页 |
| 第3章 基于EEG功率谱的脑力疲劳评价 | 第49-65页 |
| 3.1 脑力疲劳中EEG节律相对平均功率分析 | 第49-58页 |
| 3.1.1 静息态中相对平均功率分析 | 第51-53页 |
| 3.1.2 任务态中相对平均功率分析 | 第53-54页 |
| 3.1.3 结果讨论 | 第54-58页 |
| 3.2 基于EEG节律功率比值的脑力疲劳检测 | 第58-63页 |
| 3.2.1 静息态中功率参数分析 | 第58-60页 |
| 3.2.2 任务态中功率参数分析 | 第60-62页 |
| 3.2.3 结果讨论 | 第62-63页 |
| 3.3 本章小结 | 第63-65页 |
| 第4章 基于脑功能网络的脑力疲劳检测研究 | 第65-93页 |
| 4.1 脑功能网络构建 | 第65-69页 |
| 4.1.1 脑功能网络节点、边和邻接矩阵 | 第65-67页 |
| 4.1.2 脑功能网络构建 | 第67-69页 |
| 4.2 脑力疲劳评价数据提取 | 第69-72页 |
| 4.3 脑力疲劳中脑功能网络特征量分析 | 第72-85页 |
| 4.3.1 最大特征值分析 | 第72-75页 |
| 4.3.2 平均路径长度分析 | 第75-77页 |
| 4.3.3 平均聚类系数分析 | 第77-80页 |
| 4.3.4 全局效率分析 | 第80-82页 |
| 4.3.5 局部效率分析 | 第82-84页 |
| 4.3.6 结果讨论 | 第84-85页 |
| 4.4 基于加权度中心度的脑功能网络简化及其应用 | 第85-90页 |
| 4.4.1 基于加权度中心度的脑功能网络简化 | 第85-86页 |
| 4.4.2 简化的脑功能网络应用于脑力疲劳评价 | 第86-90页 |
| 4.5 本章小结 | 第90-93页 |
| 第5章 自动建立脑功能网络模型及其应用研究 | 第93-125页 |
| 5.1 模型提出 | 第93-98页 |
| 5.1.1 传统建模方法的缺点 | 第93-94页 |
| 5.1.2 模型构建 | 第94-96页 |
| 5.1.3 模型可行性分析 | 第96-98页 |
| 5.2 模型验证 | 第98-113页 |
| 5.2.1 网络结构分析 | 第98-102页 |
| 5.2.2 平均物理距离分析 | 第102-107页 |
| 5.2.3 网络特征量分析 | 第107-113页 |
| 5.3 模型功能分析 | 第113-118页 |
| 5.3.1 模型自优化功能 | 第113-117页 |
| 5.3.2 模型应用分析 | 第117-118页 |
| 5.4 模型在脑力疲劳评价上的应用 | 第118-123页 |
| 5.4.1 模型应用于19导联EEG | 第118-121页 |
| 5.4.2 模型应用于9导联EEG | 第121-123页 |
| 5.5 本章小结 | 第123-125页 |
| 第6章 基于脑功能网络的脑力疲劳形成机理研究 | 第125-147页 |
| 6.1 基于脑功能网络拓扑结构的脑力疲劳形成机理分析 | 第125-129页 |
| 6.1.1 脑功能网络结构分析 | 第125-127页 |
| 6.1.2 脑功能网络特征量分析 | 第127-129页 |
| 6.2 基于脑功能网络小世界特性的脑力疲劳形成过程分析 | 第129-132页 |
| 6.2.1 复杂网络小世界特性简介 | 第129-130页 |
| 6.2.2 脑力疲劳过程中小世界特性分析 | 第130-132页 |
| 6.3 基于脑功能网络分形维数的脑力疲劳形成过程分析 | 第132-145页 |
| 6.3.1 复杂网络分形性质简介 | 第133-135页 |
| 6.3.2 复杂网络分形维数计算算法改进 | 第135-139页 |
| 6.3.3 脑力疲劳过程中二值脑功能网络分形维数分析 | 第139-140页 |
| 6.3.4 脑力疲劳过程中加权脑功能网络分形维数分析 | 第140-143页 |
| 6.3.5 结果讨论 | 第143-145页 |
| 6.4 本章小结 | 第145-147页 |
| 第7章 总结与展望 | 第147-151页 |
| 7.1 结论 | 第147-148页 |
| 7.2 创新点 | 第148-149页 |
| 7.3 展望 | 第149-151页 |
| 参考文献 | 第151-173页 |
| 致谢 | 第173-175页 |
| 攻读博士学位期间发表的学术论文及科研情况 | 第175-177页 |
| 附录:已发表英文文章 | 第177-196页 |
| 学位论文评阅及答辩情况表 | 第196页 |
