摘要 | 第4-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第14-28页 |
1.1 课题背景及意义 | 第14-16页 |
1.1.1 课题的研究背景 | 第14-15页 |
1.1.2 课题的研究意义 | 第15-16页 |
1.2 国内外研究现状 | 第16-24页 |
1.2.1 脉搏信号的采集系统 | 第16-20页 |
1.2.2 脉搏信号预处理及特征提取研究 | 第20-22页 |
1.2.3 脉搏信号的模式分类研究 | 第22-23页 |
1.2.4 脉象的应用研究 | 第23-24页 |
1.3 本课题的来源 | 第24页 |
1.4 本文的主要研究内容及安排 | 第24-28页 |
第2章 多普勒超声脉搏信号的获取与预处理 | 第28-43页 |
2.1 引言 | 第28页 |
2.2 多普勒超声脉搏信号采集及数据库建立 | 第28-32页 |
2.2.1 多普勒超声脉搏信号采集 | 第29-31页 |
2.2.2 多普勒超声脉搏信号数据库 | 第31-32页 |
2.3 多普勒超声脉搏信号预处理 | 第32-34页 |
2.3.1 小波变换 | 第32-33页 |
2.3.2 多普勒超声脉搏信号高频噪声和低频基线漂移的消除 | 第33-34页 |
2.4 基于二阶差分样本熵方法的多普勒超声脉搏信号质量实时分析 | 第34-42页 |
2.4.1 多普勒超声脉搏信号质量实时评价方法的意义 | 第34-37页 |
2.4.2 多普勒超声脉搏信号质量实时评价方法 | 第37-39页 |
2.4.3 多普勒超声脉搏信号质量评价结果与性能分析 | 第39-42页 |
2.5 本章小结 | 第42-43页 |
第3章 基于多尺度样本熵分析多普勒超声脉搏信号 | 第43-61页 |
3.1 引言 | 第43-44页 |
3.2 多尺度样本熵分析方法 | 第44-46页 |
3.2.1 样本熵分析方法 | 第44-45页 |
3.2.2 多尺度方法 | 第45-46页 |
3.3 多重线性子空间学习 | 第46-53页 |
3.3.1 多重线性主成分分析 | 第46-49页 |
3.3.2 不相关多重线性判别分析 | 第49-53页 |
3.4 支持向量机 | 第53-55页 |
3.5 实验结果与分析 | 第55-60页 |
3.5.1 在疾病中多普勒超声脉搏信号信息量比较分析 | 第55-56页 |
3.5.2 疾病诊断结果分析 | 第56-60页 |
3.6 本章小结 | 第60-61页 |
第4章 基于 TWED 距离多普勒超声脉搏信号分类研究 | 第61-73页 |
4.1 引言 | 第61-62页 |
4.2 相似性度量算法 | 第62-63页 |
4.2.1 DTW 距离 | 第62页 |
4.2.2 ERP 距离 | 第62-63页 |
4.2.3 LCSS 距离 | 第63页 |
4.3 TWED 算法 | 第63-67页 |
4.3.1 图形编辑模式 | 第64-65页 |
4.3.2 TWED 距离计算 | 第65-67页 |
4.4 实验结果与分析 | 第67-71页 |
4.4.1 在多普勒超声脉搏信号数据集上的分类结果 | 第67-69页 |
4.4.2 在压力脉形信号数据集上的分类结果 | 第69-71页 |
4.5 本章小结 | 第71-73页 |
第5章 基于多核学习整合多普勒超声脉搏信号的多类特征分类研究 | 第73-95页 |
5.1 引言 | 第73-74页 |
5.2 多普勒超声脉搏信号的特征提取 | 第74-80页 |
5.2.1 时域特征提取 | 第74-77页 |
5.2.2 变换域特征提取 | 第77-80页 |
5.3 基于多核学习整合多类特征的分类方法 | 第80-84页 |
5.3.1 核函数 | 第80-82页 |
5.3.2 SimpleMKL 算法 | 第82-84页 |
5.4 实验结果与分析 | 第84-93页 |
5.4.1 在多普勒超声脉搏信号数据集上的分类结果 | 第84-89页 |
5.4.2 在其它数据集上的分类结果 | 第89-93页 |
5.5 本章小结 | 第93-95页 |
第6章 多普勒超声脉搏信号在一些疾病中的诊断研究 | 第95-102页 |
6.1 引言 | 第95页 |
6.2 多普勒超声脉搏信号特征提取方法与数据集 | 第95-97页 |
6.2.1 多普勒超声脉搏信号特征提取方法 | 第95-96页 |
6.2.2 多普勒超声脉搏信号数据集 | 第96-97页 |
6.3 疾病诊断结果与分析 | 第97-100页 |
6.4 本章小结 | 第100-102页 |
结论 | 第102-104页 |
参考文献 | 第104-114页 |
攻读博士学位期间发表的论文及其它成果 | 第114-117页 |
致谢 | 第117-118页 |
个人简历 | 第118页 |