首页--医药、卫生论文--基础医学论文--医用一般科学论文--生物医学工程论文

认知控制检测的计算指标及其应用研究

摘要第4-7页
ABSTRACT第7-9页
第1章 绪论第19-43页
    1.1 课题研究背景及意义第19-23页
        1.1.1 课题来源第19页
        1.1.2 课题的研究背景第19-20页
        1.1.3 课题的研究意义第20-23页
    1.2 国内外研究现状第23-35页
        1.2.1 认知控制检测实验范式第24-26页
        1.2.2 认知控制行为学计算指标第26-27页
        1.2.3 认知控制相关神经脑区计算指标第27-30页
        1.2.4 认知控制脑电信号计算指标第30-35页
    1.3 当前研究面临的问题与挑战第35-39页
    1.4 本文主要研究工作及组织结构安排第39-43页
        1.4.1 本文主要研究工作第39-40页
        1.4.2 本文组织结构安排第40-43页
第2章 非注意状态下情感信息认知控制的计算指标及工作机制研究第43-75页
    2.1 引言第43-47页
        2.1.1 非注意听觉信息认知控制计算指标第43-44页
        2.1.2 非注意视觉信息认知控制的计算指标第44-45页
        2.1.3 非注意情感信息认知控制的计算指标第45-46页
        2.1.4 当前研究存在的问题及本章主要研究内容第46-47页
    2.2 UAEI认知控制检测的计算指标研究方法第47-56页
        2.2.1 UAEI认知控制检测系统框架第47页
        2.2.2 设计UAEI认知控制的实验范式第47-50页
        2.2.3 脑电数据采集第50-51页
        2.2.4 自适应脑电数据的预处理第51页
        2.2.5 解调各频段脑波振荡第51-55页
        2.2.6 UAEI-ERD计算方法第55-56页
        2.2.7 振荡的UAEI-ERD指标统计分析方法第56页
    2.3 实验结果及分析第56-69页
        2.3.1 δ振荡的UAEI-ERD计算指标第57-61页
        2.3.2 θ振荡的UAEI-ERD计算指标第61-64页
        2.3.3 α1振荡的UAEI-ERD计算指标第64页
        2.3.4 α2振荡的UAEI-ERD计算指标第64-66页
        2.3.5 β1振荡的UAEI-ERD计算指标第66-68页
        2.3.6 β2振荡的UAEI-ERD计算指标第68-69页
    2.4 UAEI的认知控制的工作机制第69-73页
        2.4.1 δ振荡参与表情内容的初始更新第71-72页
        2.4.2 θ振荡参与刺激类型的识别第72页
        2.4.3 α振荡参与工作记忆第72-73页
        2.4.4 β振荡参与面孔表情的自动识别加工第73页
    2.5 本章小结第73-75页
第3章 注意状态下听觉认知控制的计算指标及工作机制研究第75-104页
    3.1 引言第75-79页
        3.1.1 注意条件下认知控制实验范式第75-76页
        3.1.2 注意条件下认知控制的计算指标第76-77页
        3.1.3 注意条件下认知控制的工作机制第77-78页
        3.1.4 当前研究存在的问题及本章主要研究内容第78-79页
    3.2 AACI认知控制检测的计算指标研究方法第79-87页
        3.2.1 AACI认知控制检测系统框架第79-80页
        3.2.2 设计AACI认知控制的实验范式第80-82页
        3.2.3 EEG数据采集第82页
        3.2.4 脑电数据处理方法第82页
        3.2.5 计算AACI-ERP指标方法第82-83页
        3.2.6 计算AACI认知控制相关的计算指标第83-86页
        3.2.7 ACCI认知控制相关计算指标统计方法第86-87页
    3.3 实验结果及分析第87-98页
        3.3.1 行为学计算指标第87-88页
        3.3.2 AACI-ERP计算指标第88-92页
        3.3.3 AACI认知控制相关的计算指标第92页
        3.3.4 脑电位活动映射第92-96页
        3.3.5 实验结果比较第96页
        3.3.6 实验结果不同的原因第96-98页
    3.4 AACI认知控制的工作机制第98-102页
        3.4.1 感知计算指标:SCI(?AEP1, ?AEN1, ?AEP2)第99页
        3.4.2 确认计算指标:ICI(?AEN2, ?AEP3)第99-100页
        3.4.3 执行计算指标:ECI(?AELate-SW1, ?AELate-SW2)第100-101页
        3.4.4 听觉认知控制模型第101-102页
    3.5 本章小结第102-104页
第4章 基于单次试验脑电信号的认知控制特征的提取方法第104-123页
    4.1 引言第104-107页
    4.2 听觉认知控制缺失症及其检测实验平台设计第107-109页
        4.2.1 听觉认知控制缺失症第107-108页
        4.2.2 听觉认知控制检测实验平台的设计第108-109页
        4.2.3 实验数据采集方法第109页
    4.3 听觉认知控制检测方法第109-115页
        4.3.1 听觉认知控制检测系统模型框架第109-111页
        4.3.2 脑电实验数据的预处理方法第111-112页
        4.3.3 事件相关电位处理方法第112页
        4.3.4 统计分析第112-113页
        4.3.5 基于单次试验脑电信号的认知控制特征的提取方法第113-114页
        4.3.6 听觉认知控制脑电的检测识别方法第114-115页
    4.4 自动听觉认知控制检测相关实验结果及分析第115-119页
        4.4.1 听觉认知控制的行为学第115-116页
        4.4.2 听觉认知控制脑电的时域认知规律第116-117页
        4.4.3 基于不同特征听觉认知控制识别第117-119页
        4.4.4 基于不同听觉脑电时间段作特征听觉认知控制识别第119页
    4.5 基于认知规律的听觉认知控制的自动检测识别应用第119-122页
        4.5.1 听觉认知控制的规律及模型第119-121页
        4.5.2 基于单次认知脑电的认知控制检测识别应用第121页
        4.5.3 听觉认知控制率第121-122页
    4.6 本章小结第122-123页
第5章 基于样本特征空间分布信息的认知控制模式分类方法研究第123-135页
    5.1 引言第123-124页
    5.2 经典模式分类方法检测认知脑电信号存在的问题第124-128页
        5.2.1 支持向量机模型第124-125页
        5.2.2 支持向量机的倾向性问题第125-128页
    5.3 基于样本特征空间分布信息的新分类器第128-130页
        5.3.1 基于支持向量的欧氏平方距离及样本数量分布信息的分类器第128-129页
        5.3.2 基于支持向量的欧氏距离及样本数量分布信息的分类器第129页
        5.3.3 基于全部样本的欧氏距离及样本数量分布信息的分类器第129-130页
    5.4 实验结果及分析第130-134页
        5.4.1 公开数据集第130-132页
        5.4.2 认知控制脑电数据集实验结果第132-134页
    5.5 本章小结第134-135页
结论第135-138页
参考文献第138-153页
附录A 英文缩写对照表第153-154页
攻读博士学位期间发表的论文及其他成果第154-157页
致谢第157-159页
个人简历第159页

论文共159页,点击 下载论文
上一篇:高管薪酬的影响因素研究
下一篇:股票期权与企业创新产出--基于风险承担和业绩激励效应的视角