睡眠脑电的分析处理和睡眠分期研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-16页 |
| ·课题背景介绍 | 第11-13页 |
| ·脑电信号概述 | 第11-12页 |
| ·睡眠概述 | 第12-13页 |
| ·研究内容及研究意义 | 第13页 |
| ·研究现状 | 第13-14页 |
| ·研究工作与章节安排 | 第14-16页 |
| 2 脑电信号及多导睡眠检测 | 第16-25页 |
| ·大脑概述 | 第16页 |
| ·大脑的生理结构 | 第16页 |
| ·大脑的功能分区 | 第16页 |
| ·脑电信号 | 第16-19页 |
| ·脑电信号的产生机理 | 第16-18页 |
| ·脑电信号的生理特点 | 第18页 |
| ·脑电信号的频带成分 | 第18-19页 |
| ·脑电信号检测 | 第19-20页 |
| ·脑电图 | 第20-22页 |
| ·脑电图概述 | 第20-21页 |
| ·脑电图基本波形 | 第21-22页 |
| ·多导睡眠监测 | 第22-24页 |
| ·多导睡眠监测概念 | 第22-23页 |
| ·多导睡眠监测检查内容 | 第23页 |
| ·多导睡眠监测用途 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 脑电信号的处理方法 | 第25-35页 |
| ·脑电信号的线性分析法 | 第25页 |
| ·非线性动力学方法简介 | 第25-26页 |
| ·相关维数 | 第26-28页 |
| ·相关维数的定义 | 第26-27页 |
| ·相关维数的算法 | 第27-28页 |
| ·复杂性测度 | 第28-30页 |
| ·复杂度定义 | 第28-29页 |
| ·复杂性算法 | 第29-30页 |
| ·Lyapunov指数 | 第30-32页 |
| ·Lyapunov指数定义 | 第30页 |
| ·Lyapunov指数算法 | 第30-32页 |
| ·近似熵 | 第32-35页 |
| ·近似熵定义 | 第32页 |
| ·近似熵算法 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 4 脑电信号特征提取 | 第35-43页 |
| ·脑电信号数据来源 | 第35-36页 |
| ·实验结果 | 第36-41页 |
| ·相关维数结果 | 第36-37页 |
| ·复杂度结果 | 第37-39页 |
| ·Lyapunov指数结果 | 第39-40页 |
| ·近似熵结果 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 5 基于遗传算法与支持向量机的睡眠分期处理 | 第43-65页 |
| ·模式识别 | 第43页 |
| ·遗传算法 | 第43-46页 |
| ·遗传算法的基本概念和基本原理 | 第44页 |
| ·遗传算法的特点 | 第44-45页 |
| ·遗传算法的主要步骤 | 第45-46页 |
| ·遗传算法的应用 | 第46页 |
| ·支持向量机 | 第46-56页 |
| ·支持向量机概念与应用 | 第46-47页 |
| ·支持向量机基本理论 | 第47-56页 |
| ·支持向量机优点 | 第56页 |
| ·支持向量机多值分类算法 | 第56页 |
| ·基于GA-SVM模型的睡眠分期 | 第56-57页 |
| ·睡眠分期及分期指标 | 第57-59页 |
| ·睡眠分期介绍 | 第57-58页 |
| ·睡眠分期指标 | 第58-59页 |
| ·实验 | 第59-64页 |
| ·数据来源和识别过程 | 第59-60页 |
| ·结果分析和讨论 | 第60-64页 |
| ·本章小结 | 第64-65页 |
| 6 总结与展望 | 第65-67页 |
| ·总结 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 作者简历 | 第70-72页 |
| 学位论文数据集 | 第72页 |
