基于脑电的癫痫脑网络机制研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-24页 |
| 1.1 癫痫的社会影响及研究意义 | 第11-13页 |
| 1.2 癫痫的研究现状 | 第13-17页 |
| 1.2.1 病理学 | 第13-14页 |
| 1.2.2 电生理学 | 第14-16页 |
| 1.2.3 影像学 | 第16-17页 |
| 1.3 癫痫的临床治疗 | 第17-19页 |
| 1.4 脑网络分析 | 第19-21页 |
| 1.5 本文主要工作 | 第21-22页 |
| 1.6 论文结构安排 | 第22-24页 |
| 第二章 癫痫病灶的定位方法 | 第24-34页 |
| 2.1 时变网络分析 | 第24-26页 |
| 2.1.1 时变多变量自适应自回归模型 | 第24-25页 |
| 2.1.2 自适应定向传递函数 | 第25-26页 |
| 2.1.3 相位随机化 | 第26页 |
| 2.2 病灶定位方法 | 第26-28页 |
| 2.3 研究数据介绍 | 第28-29页 |
| 2.4 研究结果及讨论 | 第29-33页 |
| 2.4.1 研究结果 | 第29-31页 |
| 2.4.2 讨论 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 癫痫发作之前网络特征的研究 | 第34-49页 |
| 3.1 相干网络分析 | 第34-35页 |
| 3.2 网络属性度量方法 | 第35-37页 |
| 3.2.1 功能连接强度 | 第35-36页 |
| 3.2.2 聚类系数 | 第36页 |
| 3.2.3 特征路径长度 | 第36-37页 |
| 3.2.4 局部效率 | 第37页 |
| 3.2.5 全局效率 | 第37页 |
| 3.3 聚类分析 | 第37-40页 |
| 3.3.1 k均值聚类算法 | 第38-39页 |
| 3.3.2 模糊C均值聚类算法 | 第39页 |
| 3.3.3 层次聚类算法 | 第39-40页 |
| 3.3.4 k中心点聚类算法 | 第40页 |
| 3.4 自适应中值滤波算法 | 第40-41页 |
| 3.5 研究数据介绍 | 第41-43页 |
| 3.6 研究结果及讨论 | 第43-47页 |
| 3.6.1 研究结果 | 第43-45页 |
| 3.6.2 讨论 | 第45-47页 |
| 3.7 本章小结 | 第47-49页 |
| 第四章 总结与展望 | 第49-51页 |
| 4.1 总结 | 第49页 |
| 4.2 展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-60页 |
| 攻读硕士学位期间取得的成果 | 第60页 |
