| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 基于EEG的麻醉深度监护技术现状 | 第10-13页 |
| 1.2.1 EEG概述 | 第10页 |
| 1.2.2 EEG信号处理技术 | 第10-11页 |
| 1.2.3 基于EEG的麻醉深度监护技术国外研究现状 | 第11-12页 |
| 1.2.4 基于EEG的麻醉深度监护技术国内研究现状 | 第12-13页 |
| 1.3 目前研究存在的问题 | 第13页 |
| 1.4 本文中需要说明的几点问题 | 第13-15页 |
| 1.4.1 麻醉和睡眠 | 第13-14页 |
| 1.4.2 个体差异性 | 第14-15页 |
| 1.5 论文的主要研究内容和目标 | 第15-16页 |
| 第2章 与麻醉深度相关的特征参数提取 | 第16-36页 |
| 2.1 EEG特点及伪迹信号 | 第17-18页 |
| 2.2 EEG信号预处理 | 第18页 |
| 2.3 WEICA进行单通道EOG和EEG的分离 | 第18-28页 |
| 2.3.1 背景分析 | 第18-20页 |
| 2.3.2 本方法中应用到的信号处理技术 | 第20-21页 |
| 2.3.3 WEICA算法步骤 | 第21-23页 |
| 2.3.4 结果和讨论 | 第23-28页 |
| 2.4 单位时间内EOG次数的提取 | 第28-30页 |
| 2.5 频带能量比 | 第30-33页 |
| 2.6 改进快速近似熵 | 第33-35页 |
| 2.7 本章小结 | 第35-36页 |
| 第3章 麻醉深度指数获取特征拟合方法研究 | 第36-42页 |
| 3.1 应用于麻醉深度监测中的几种特征拟合方法 | 第36-38页 |
| 3.1.1 人工神经网络 | 第36-37页 |
| 3.1.2 自适应模糊推理技术 | 第37-38页 |
| 3.1.3 最小二乘-支持向量机算法 | 第38页 |
| 3.2 LS-SVM算法拟合得到模拟麻醉深度状态 | 第38-40页 |
| 3.3 本章小结 | 第40-42页 |
| 第4章 基于EEG的麻醉深度监测系统设计、实验及数据分析 | 第42-63页 |
| 4.1 本课题麻醉深度监测系统功能 | 第42页 |
| 4.2 麻醉深度监测系统的设计方案 | 第42-43页 |
| 4.3 系统硬件各模块技术方案 | 第43-58页 |
| 4.3.1 电极的选择及其安放位置 | 第43-45页 |
| 4.3.2 硬件模拟电路关键技术 | 第45页 |
| 4.3.3 ARM最小系统电路 | 第45-47页 |
| 4.3.4 电池电压转+5V模块设计 | 第47-49页 |
| 4.3.5 USB供电电路 | 第49页 |
| 4.3.6 3.3V供电ARM和 5V供电芯片之间的电平匹配电路 | 第49-51页 |
| 4.3.7 ADC模块 | 第51-52页 |
| 4.3.8 显示屏驱动电路 | 第52-54页 |
| 4.3.9 蓝牙无线模块 | 第54-58页 |
| 4.4 系统软件设计 | 第58-59页 |
| 4.4.1 模数转换的实现 | 第58-59页 |
| 4.4.2 模拟麻醉深度算法的实现 | 第59页 |
| 4.5 脑电信号硬件采集部分的测试 | 第59-61页 |
| 4.6 算法有效性的验证 | 第61-62页 |
| 4.7 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69页 |
