| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 课题的研究现状 | 第11-13页 |
| 1.3 论文的主要研究内容 | 第13-15页 |
| 第2章 脑电信号基础理论 | 第15-20页 |
| 2.1 引言 | 第15页 |
| 2.2 大脑的结构及功能 | 第15-16页 |
| 2.3 脑电信号的产生机理及特点 | 第16-17页 |
| 2.4 脑电信号的频域构成 | 第17-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第3章 神经心理学量表筛查和预处理 | 第20-26页 |
| 3.1 引言 | 第20页 |
| 3.2 评估MCI的神经心理学量表 | 第20-22页 |
| 3.2.1 综合认知能力功能评估量表 | 第20-21页 |
| 3.2.2 单项认知功能评估方法 | 第21-22页 |
| 3.3 纳入和排除标准 | 第22-23页 |
| 3.4 脑电信号数据采集 | 第23页 |
| 3.5 脑电信号预处理 | 第23-25页 |
| 3.6 本章小结 | 第25-26页 |
| 第4章 基于互熵的糖尿病MCI脑电信号分析 | 第26-48页 |
| 4.1 引言 | 第26页 |
| 4.2 方法 | 第26-30页 |
| 4.2.1 互样本熵 | 第26-27页 |
| 4.2.2 互模糊熵 | 第27-28页 |
| 4.2.3 互模糊测量熵 | 第28-30页 |
| 4.3 模型 | 第30-32页 |
| 4.3.1 耦合高斯噪声模型 | 第30-31页 |
| 4.3.2 耦合MIX(p)模型 | 第31-32页 |
| 4.4 三种互熵算法仿真分析 | 第32-37页 |
| 4.4.1 耦合系数对算法的影响 | 第32-33页 |
| 4.4.2 噪声对算法的影响 | 第33-35页 |
| 4.4.3 数据长度对算法的影响 | 第35-36页 |
| 4.4.4 嵌入维数m和阈值r的选取 | 第36-37页 |
| 4.5 糖尿病MCI脑电信号的互模糊测量熵分析 | 第37-46页 |
| 4.5.1 认知量表的统计分析 | 第37-39页 |
| 4.5.2 糖尿病患者MCI脑电信号的互模糊测量熵 | 第39-43页 |
| 4.5.3 互模糊测量熵与认知功能的相关性 | 第43-46页 |
| 4.6 本章小结 | 第46-48页 |
| 第5章 基于多元多尺度熵的糖尿病MCI脑电信号分析 | 第48-61页 |
| 5.1 引言 | 第48页 |
| 5.2 方法 | 第48-51页 |
| 5.2.1 多尺度样本熵 | 第48-49页 |
| 5.2.2 多元多尺度样本熵 | 第49-51页 |
| 5.3 模型 | 第51页 |
| 5.4 数据仿真分析 | 第51-55页 |
| 5.4.1 信号的复杂度分析 | 第51-52页 |
| 5.4.2 信号的相关性分析 | 第52-54页 |
| 5.4.3 数据长度对MMSE算法的影响 | 第54-55页 |
| 5.4.4 参数值的选取 | 第55页 |
| 5.5 糖尿病MCI脑电信号的MMSE分析 | 第55-60页 |
| 5.5.1 认知量表的统计分析 | 第55-56页 |
| 5.5.2 脑电信号的复杂度分析 | 第56-59页 |
| 5.5.3 脑电信号复杂度与认知功能的相关性 | 第59-60页 |
| 5.6 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第68-69页 |
| 致谢 | 第69页 |