| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 脑功能区定位研究的背景 | 第11-12页 |
| 1.1.1 大脑功能定位学说的发展 | 第11页 |
| 1.1.2 大脑功能定位的临床应用背景 | 第11-12页 |
| 1.2 脑功能区定位的现有方法 | 第12-15页 |
| 1.2.1 术前脑功能定位方法 | 第13页 |
| 1.2.2 术中脑功能定位方法 | 第13-14页 |
| 1.2.3 脑功能区定位现有方法存在的局限 | 第14-15页 |
| 1.3 基于脑电分析的脑功能区定位研究现状 | 第15-16页 |
| 1.4 基于皮质脑电的脑功能区定位算法研究方案 | 第16-17页 |
| 1.5 基于皮质脑电的脑功能区定位算法研究目的和意义 | 第17-19页 |
| 1.5.1 基于皮质脑电的脑功能区定位算法研究目的 | 第17页 |
| 1.5.2 基于皮质脑电的脑功能区定位算法研究意义 | 第17-19页 |
| 1.6 论文研究内容及结构 | 第19-21页 |
| 1.6.1 论文研究的内容 | 第19页 |
| 1.6.2 论文结构安排 | 第19-21页 |
| 第二章 大脑功能区定位的基础 | 第21-41页 |
| 2.1 生理基础 | 第21-25页 |
| 2.1.1 神经系统 | 第21-22页 |
| 2.1.2 脑的结构 | 第22-23页 |
| 2.1.3 大脑皮层功能区 | 第23-25页 |
| 2.2 脑电信号 | 第25-30页 |
| 2.2.1 脑电的产生机制 | 第25-26页 |
| 2.2.2 脑电信号的采集 | 第26-27页 |
| 2.2.3 脑电信号的特点 | 第27-28页 |
| 2.2.4 脑电信号的分类 | 第28-30页 |
| 2.2.5 事件相关同步化和去同步化 | 第30页 |
| 2.3 脑电特征信号的分析方法基础 | 第30-40页 |
| 2.3.1 功率谱估计 | 第31-35页 |
| 2.3.2 小波变换 | 第35-38页 |
| 2.3.3 支持向量机 | 第38-40页 |
| 2.4 本章小结 | 第40-41页 |
| 第三章 运动功能区mu节律的特征研究 | 第41-48页 |
| 3.1 运动功能区mu节律的特异性原理 | 第41-42页 |
| 3.2 数据采集 | 第42页 |
| 3.3 特征分析与提取 | 第42-44页 |
| 3.3.1 特征分析 | 第42-43页 |
| 3.3.2 特征提取 | 第43-44页 |
| 3.4 结果及分析 | 第44-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 语言功能区high gamma的特征研究 | 第48-54页 |
| 4.1 high gamma频段的相关研究 | 第48-49页 |
| 4.2 数据采集 | 第49页 |
| 4.3 特征提取 | 第49-51页 |
| 4.3.1 预处理 | 第49-50页 |
| 4.3.2 特征设计与提取 | 第50-51页 |
| 4.4 结果及分析 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 基于多节律特征的功能区定位算法研究 | 第54-63页 |
| 5.1 术中功能区定位的研究局限和解决方案 | 第54-55页 |
| 5.2 数据采集 | 第55-56页 |
| 5.3 多节律特征量的提取 | 第56页 |
| 5.4 基于多节律特征量的识别 | 第56-58页 |
| 5.4.1 libsvm工具箱 | 第56-57页 |
| 5.4.2 模型的训练与测试 | 第57-58页 |
| 5.5 识别算法的评价 | 第58-59页 |
| 5.5.1 传统评价指标 | 第58-59页 |
| 5.5.2 ROC曲线 | 第59页 |
| 5.6 结果及分析 | 第59-61页 |
| 5.7 讨论 | 第61-62页 |
| 5.8 本章小结 | 第62-63页 |
| 总结 | 第63-66页 |
| 工作总结 | 第63-64页 |
| 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士期间取得的研究成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 附表 | 第72页 |
