神经元峰电位的检测与分类方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·引言 | 第10-11页 |
| ·峰电位检测与分类技术概述 | 第11-13页 |
| ·意义与应用 | 第11页 |
| ·研究发展现状 | 第11-13页 |
| ·本文的研究目标和主要工作 | 第13页 |
| ·本文的章节安排 | 第13-16页 |
| 第2章 单通道神经元峰电信号处理概述 | 第16-20页 |
| ·峰电信号的采集 | 第16-17页 |
| ·峰电位检测与分类的理论假定 | 第17页 |
| ·峰电位检测与分类的基本步骤 | 第17-18页 |
| ·峰电位检测与分类的主要问题和挑战 | 第18-20页 |
| 第3章 峰电位的检测. | 第20-30页 |
| ·引言 | 第20页 |
| ·常用算法 | 第20-23页 |
| ·阈值检测法 | 第20-22页 |
| ·峰值检测法 | 第22-23页 |
| ·基于数学形态学的峰电位检测算法 | 第23-28页 |
| ·数学形态学 | 第24-25页 |
| ·基于数学形态学的峰电位检测 | 第25-26页 |
| ·实验结果与分析 | 第26-28页 |
| ·本章小结 | 第28-30页 |
| 第4章 峰电位波形的特征提取 | 第30-40页 |
| ·引言 | 第30页 |
| ·常用算法 | 第30-33页 |
| ·波形特征分析法 | 第30-31页 |
| ·主成分分析法 | 第31-33页 |
| ·基于小波变换和核主成分分析的峰电位波形特征提取 | 第33-39页 |
| ·小波变换 | 第33-35页 |
| ·核主成分分析 | 第35-36页 |
| ·基于小波变换和核主成分分析的峰电位波形特征提取 | 第36-37页 |
| ·实验结果分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第5章 聚类实现峰电位分类 | 第40-48页 |
| ·引言 | 第40页 |
| ·常用算法 | 第40-42页 |
| ·k—均值聚类算法 | 第40-42页 |
| ·最大最小距离法 | 第42页 |
| ·基于层次聚类的峰电位分类算法 | 第42-46页 |
| ·层次聚类算法简介 | 第42-44页 |
| ·层次聚类算法实现峰电位分类 | 第44-45页 |
| ·实验结果分析 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第6章 多通道神经元峰电信号处理 | 第48-56页 |
| ·引言 | 第48页 |
| ·多电极阵列 | 第48-49页 |
| ·多通道峰电位的检测与分类算法 | 第49-54页 |
| ·多通道仿真检测信号 | 第49-50页 |
| ·多通道峰电位的检测 | 第50-51页 |
| ·多通道峰电位的分类 | 第51-53页 |
| ·多通道峰电位检测与分类算法总流程 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第7章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 在读期间发表的学术论文与取得的研究成果 | 第63页 |
