中医脉诊信号感知与计算机辅助识别研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 第1章 问题的源起 | 第10-14页 |
| ·背景 | 第10页 |
| ·研究目的 | 第10-11页 |
| ·研究内容 | 第11-12页 |
| ·组织结构 | 第12-14页 |
| 第2章 相关工作 | 第14-24页 |
| ·脉象信号获取 | 第14-16页 |
| ·特征提取 | 第16-20页 |
| ·时域特征 | 第16-18页 |
| ·频域特征 | 第18页 |
| ·时频特征 | 第18-19页 |
| ·非线性特征 | 第19-20页 |
| ·模式分类 | 第20-22页 |
| ·句法分析 | 第21页 |
| ·统计学习方法 | 第21-22页 |
| ·人工神经网络 | 第22页 |
| ·工作方向 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第3章 中医脉象数据库 | 第24-30页 |
| ·中医脉象数据库必要性 | 第24页 |
| ·数据来源及标注相关问题 | 第24-27页 |
| ·数据的来源 | 第25页 |
| ·数据标注特征的选择 | 第25-26页 |
| ·标注的流程 | 第26-27页 |
| ·文件格式 | 第27-28页 |
| ·数据库构建现状 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第4章 特征识别和特征组合与初步分类实验 | 第30-60页 |
| ·基于香农能量包络线和希尔伯特变换的主波提取算法 | 第30-39页 |
| ·脉搏波主波提取算法总体框架 | 第30-31页 |
| ·脉搏波预处理 | 第31-32页 |
| ·香农能量包络线提取 | 第32-35页 |
| ·希尔伯特变换提取包络线峰值点 | 第35-37页 |
| ·确定主波位置 | 第37-39页 |
| ·基于经验和领域知识的其他时域特征点提取 | 第39-45页 |
| ·基于主波的脉搏波周期分段 | 第39-41页 |
| ·重搏前波与重搏波特征提取算法 | 第41-45页 |
| ·几种时域特征提取算法的对比实验 | 第45-51页 |
| ·时域特征提取方法 | 第46-49页 |
| ·实验数据与步骤 | 第49页 |
| ·实验结果及分析 | 第49-51页 |
| ·基于小波包和高阶统计量的脉搏波特征分析 | 第51-55页 |
| ·小波包分解 | 第51-52页 |
| ·高阶统计量 | 第52-53页 |
| ·基于小波包高阶统计量的脉搏波特征提取 | 第53-55页 |
| ·初步分类实验 | 第55-59页 |
| ·分类方法介绍 | 第55-56页 |
| ·实验平台 | 第56页 |
| ·实验数据及步骤 | 第56页 |
| ·实验结果与分析 | 第56-59页 |
| ·小结 | 第59-60页 |
| 第5章 深层神经网络的应用研究 | 第60-77页 |
| ·深层学习介绍 | 第60-63页 |
| ·CNN介绍 | 第63-68页 |
| ·CNN的发展 | 第63-64页 |
| ·CNN的原理及结构 | 第64-67页 |
| ·卷积神经网络的特点 | 第67-68页 |
| ·改进的CNN | 第68-71页 |
| ·改进CNN适用于一维数据 | 第68-70页 |
| ·增加噪声模块 | 第70页 |
| ·加入经验特征 | 第70-71页 |
| ·实验平台及数据 | 第71-72页 |
| ·实验步骤 | 第72-73页 |
| ·实验结果与分析 | 第73-76页 |
| ·小结 | 第76-77页 |
| 第6章 多维脉象信息获取及计算机辅助中医药膳系统 | 第77-90页 |
| ·中医脉诊信息获取的可能途径 | 第77-78页 |
| ·PPS脉搏传感器介绍 | 第78-79页 |
| ·多点脉搏传感器数据分析 | 第79-84页 |
| ·确定数据的有效性 | 第80-83页 |
| ·合适的中医脉诊采集装置 | 第83-84页 |
| ·中医药膳计算机辅助分析系统 | 第84-89页 |
| ·施膳规则与药膳特征 | 第86-87页 |
| ·规则匹配 | 第87-89页 |
| ·小结 | 第89-90页 |
| 第7章 总结与展望 | 第90-93页 |
| ·主要研究工作与创新点 | 第90-91页 |
| ·工作展望 | 第91-93页 |
| 参考文献 | 第93-102页 |
| 致谢 | 第102-103页 |
| 攻读博士学位期间主要科研成果 | 第103页 |
