| 作者简历 | 第6-8页 |
| 摘要 | 第8-10页 |
| abstract | 第10-11页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 研究背景与意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-21页 |
| 1.2.1 高频振荡节律特性分析 | 第16-17页 |
| 1.2.2 高频振荡节律自动检测方法 | 第17-19页 |
| 1.2.3 癫痫始发区定位 | 第19-21页 |
| 1.3 研究内容与基本方法 | 第21-22页 |
| 1.4 论文结构及章节安排 | 第22-24页 |
| 第二章 基于时频分析的高频振荡节律自动检测算法 | 第24-35页 |
| 2.1 癫痫脑电信号的特征及其时频分析 | 第24-25页 |
| 2.1.1 癫痫脑电信号特征 | 第24-25页 |
| 2.1.2 癫痫脑电信号时频分析 | 第25页 |
| 2.2 基于希尔伯特变换的高频振荡节律初始检测 | 第25-27页 |
| 2.2.1 高频振荡节律初始检测 | 第26-27页 |
| 2.2.2 仿真结果及其分析 | 第27页 |
| 2.3 基于功率谱密度的疑似始发区检测 | 第27-30页 |
| 2.3.1 基于小波系数的功率谱密度分析 | 第28-29页 |
| 2.3.2 疑似癫痫始发区检测方法 | 第29-30页 |
| 2.3.3 仿真结果及其分析 | 第30页 |
| 2.4 基于改进自适应遗传匹配追踪算法的高频振荡节律检测 | 第30-34页 |
| 2.4.1 自适应遗传匹配追踪算法 | 第30-32页 |
| 2.4.2 改进的自适应遗传匹配追踪算法 | 第32页 |
| 2.4.3 高频振荡节律检测 | 第32-33页 |
| 2.4.4 算法对比分析 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于聚类分析的高频振荡节律自动检测算法 | 第35-47页 |
| 3.1 高频振荡节律特征选取及其聚类分析 | 第35-36页 |
| 3.1.1 高频振荡节律特征选取 | 第35页 |
| 3.1.2 高频振荡节律聚类分析 | 第35-36页 |
| 3.2 高频振荡节律特征提取 | 第36-40页 |
| 3.2.1 模糊熵 | 第36-37页 |
| 3.2.2 短时能量 | 第37-38页 |
| 3.2.3 功率比 | 第38页 |
| 3.2.4 频谱质心 | 第38页 |
| 3.2.5 仿真结果及其分析 | 第38-40页 |
| 3.3 基于期望最大化高斯混合模型的聚类算法 | 第40-45页 |
| 3.3.1 基于模糊c-均值聚类算法的参数初始化 | 第40-42页 |
| 3.3.2 基于期望最大化高斯混合模型的聚类算法 | 第42页 |
| 3.3.3 基于量化误差模型的聚类数目优化 | 第42-43页 |
| 3.3.4 仿真结果及其分析 | 第43-45页 |
| 3.4 高频振荡节律检测及其统计学分析 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于高频振荡节律浓度的癫痫始发区定位 | 第47-53页 |
| 4.1 癫痫始发区定位分析 | 第47页 |
| 4.2 高频振荡节律浓度与癫痫始发区的关系 | 第47-49页 |
| 4.2.1 高频振荡节律浓度定义 | 第47-48页 |
| 4.2.2 高频振荡节律浓度与癫痫始发区的非参数检验 | 第48页 |
| 4.2.3 仿真结果及分析 | 第48-49页 |
| 4.3 基于高频振荡节律浓度的癫痫始发区定位 | 第49-50页 |
| 4.4 癫痫始发区定位性能 | 第50-52页 |
| 4.4.1 癫痫始发区定位性能评估 | 第50-51页 |
| 4.4.2 定位性能对比分析 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 结论与展望 | 第53-55页 |
| 5.1 结论 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-64页 |