基于脑电棘波频次和AR模型的癫痫发作预测算法
| 摘要 | 第9-11页 |
| ABSTRACT | 第11-12页 |
| 符号说明 | 第13-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 癫痫发作预测的研究背景和意义 | 第14-15页 |
| 1.2 脑电图 | 第15-16页 |
| 1.3 长程脑电图监测 | 第16-17页 |
| 1.4 脑电信号处理方法 | 第17-18页 |
| 1.5 癫痫发作预测的研究现状 | 第18-20页 |
| 1.6 癫痫发作预测的一般流程 | 第20页 |
| 1.7 本文的主要工作和章节安排 | 第20-22页 |
| 第二章 脑电特征分析 | 第22-38页 |
| 2.1 AR参数 | 第23-29页 |
| 2.1.1 经典谱估计算法 | 第23-24页 |
| 2.1.2 谱估计的参数模型方法 | 第24页 |
| 2.1.3 AR参数模型的正则方程 | 第24-27页 |
| 2.1.4 不同脑电时期AR参数实验结果 | 第27-29页 |
| 2.2 棘波频次 | 第29-37页 |
| 2.2.1 数学形态学滤波 | 第30-32页 |
| 2.2.2 基于形态学滤波的棘波检测方法 | 第32-33页 |
| 2.2.3 棘波检测实验结果 | 第33-35页 |
| 2.2.4 不同脑电时期棘波频次变化情况 | 第35-37页 |
| 2.3 本章小结 | 第37-38页 |
| 第三章 分类器与后处理 | 第38-46页 |
| 3.1 分类器 | 第38-43页 |
| 3.1.1 线性判别分析 | 第38-39页 |
| 3.1.2 Fisher线性判别分析 | 第39-40页 |
| 3.1.3 贝叶斯线性判别分析 | 第40-43页 |
| 3.2 后处理 | 第43-45页 |
| 3.3 本章小结 | 第45-46页 |
| 第四章 本文方法和结果 | 第46-52页 |
| 4.1 实验数据 | 第46-48页 |
| 4.1.1 数据来源 | 第46-47页 |
| 4.1.2 训练数据与测试数据 | 第47-48页 |
| 4.2 本文癫痫发作预测算法 | 第48-49页 |
| 4.2.1 本文算法流程 | 第48页 |
| 4.2.2 脑电数据预处理 | 第48页 |
| 4.2.3 提取脑电信号特征 | 第48-49页 |
| 4.2.4 分类和后处理 | 第49页 |
| 4.3 本文算法预测结果 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 两种典型的癫痫预测方法 | 第52-60页 |
| 5.1 累积能量增量法 | 第52-54页 |
| 5.1.1 算法介绍 | 第52页 |
| 5.1.2 实验结果 | 第52-54页 |
| 5.2 基于小波变换的相位同步法 | 第54-57页 |
| 5.2.1 脑电信号预处理 | 第54-55页 |
| 5.2.2 计算相位同步化 | 第55-56页 |
| 5.2.3 实验结果 | 第56-57页 |
| 5.3 三种癫痫预测方法的比较 | 第57-58页 |
| 5.3.1 三种方法的比较 | 第57-58页 |
| 5.3.2 本文方法与相位同步法的比较 | 第58页 |
| 5.4 结论 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 总结和展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间发表论文和参与项目 | 第68-69页 |
| 附件 | 第69页 |
