基于EEG和EMG信息融合的自动睡眠分期系统
| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 引言 | 第8-11页 |
| 1.1 睡眠分期的研究背景及意义 | 第8页 |
| 1.2 睡眠分期的国内外研究现状以及存在的问题 | 第8-9页 |
| 1.3 本文的主要研究工作 | 第9页 |
| 1.4 文章的组织结构 | 第9-11页 |
| 第二章 睡眠的分期生理基础 | 第11-17页 |
| 2.1 睡眠概述 | 第11-12页 |
| 2.2 脑电与睡眠 | 第12-15页 |
| 2.2.1 脑电信号 | 第12-13页 |
| 2.2.2 脑电节律 | 第13-14页 |
| 2.2.3 脑电与睡眠分期 | 第14-15页 |
| 2.3 肌电与睡眠 | 第15-16页 |
| 2.3.1 肌电信号 | 第15页 |
| 2.3.2 肌电与睡眠分期 | 第15-16页 |
| 2.4 本章小结 | 第16-17页 |
| 第三章 脑电与肌电信息融合理论基础 | 第17-22页 |
| 3.1 信息融合基本理论 | 第17-18页 |
| 3.1.1 信息融合的发展历史 | 第17页 |
| 3.1.2 信息融合的原理 | 第17-18页 |
| 3.1.3 信息融合的方法及应用 | 第18页 |
| 3.2 小波变换基本理论 | 第18-21页 |
| 3.2.1 小波变换的发展历史 | 第18-19页 |
| 3.2.2 小波变换的原理 | 第19-20页 |
| 3.2.3 Mallat算法 | 第20-21页 |
| 3.3 本章小结 | 第21-22页 |
| 第四章 系统开发平台——LabVIEW | 第22-25页 |
| 4.1 LabVIEW简介 | 第22-23页 |
| 4.2 LabVIEW与虚拟仪器技术 | 第23-24页 |
| 4.2.1 虚拟仪器的概念 | 第23页 |
| 4.2.2 虚拟仪器的特点 | 第23-24页 |
| 4.3 本章小结 | 第24-25页 |
| 第五章 自动睡眠分期系统建模 | 第25-37页 |
| 5.1 系统总体框架设计 | 第25页 |
| 5.2 预处理模块 | 第25-26页 |
| 5.2.1 滤波处理 | 第26页 |
| 5.2.2 归一化处理 | 第26页 |
| 5.3 小波分解模块 | 第26-27页 |
| 5.4 特征提取模块 | 第27-29页 |
| 5.4.1 特征参数设置 | 第28-29页 |
| 5.5 信息融合模块 | 第29-31页 |
| 5.5.1 邻域方差融合 | 第29页 |
| 5.5.2 一阶差分融合 | 第29页 |
| 5.5.3 相关系数融合 | 第29-30页 |
| 5.5.4 融合算子设置 | 第30-31页 |
| 5.6 小波重构模块 | 第31-32页 |
| 5.7 睡眠分期模块 | 第32-35页 |
| 5.7.1 功率谱图 | 第32页 |
| 5.7.2 分期方法 | 第32-34页 |
| 5.7.3 阈值参数设置 | 第34-35页 |
| 5.8 系统运行界面 | 第35页 |
| 5.9 本章小结 | 第35-37页 |
| 第六章 系统改进与结果分析 | 第37-47页 |
| 6.1 百分比分期法的改进 | 第37-38页 |
| 6.2 自选频带功能 | 第38页 |
| 6.3 分期结果与评价 | 第38-40页 |
| 6.3.1 百分比与幅值法的分期结果 | 第38-39页 |
| 6.3.2 正确率 | 第39-40页 |
| 6.3.3 计算效率 | 第40页 |
| 6.4 与其他方法的对比 | 第40-45页 |
| 6.4.1 融合信号与原始EEG对比 | 第40-41页 |
| 6.4.2 使用EEG的C0复杂度的分期 | 第41-43页 |
| 6.4.3 使用EEG的小波熵的分期 | 第43-45页 |
| 6.4.4 分期方法对比分析 | 第45页 |
| 6.5 本章小结 | 第45-47页 |
| 第七章 总结与展望 | 第47-49页 |
| 7.1 主要研究工作和成果 | 第47页 |
| 7.2 工作展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 在学期间的研究成果 | 第53-54页 |
| 致谢 | 第54页 |
