| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 糖尿病认知功能障碍研究背景及意义 | 第10-11页 |
| 1.2 糖尿病认知功能障碍脑电信号研究现状 | 第11-12页 |
| 1.3 脑电信号的相空间特征及耦合研究进展 | 第12-14页 |
| 1.4 论文的主要研究内容 | 第14-15页 |
| 第2章 脑电信号基本知识及分析方法 | 第15-21页 |
| 2.1 引言 | 第15页 |
| 2.2 脑电信号的形成原理 | 第15-16页 |
| 2.3 脑电信号的基本节律 | 第16-17页 |
| 2.4 脑电信号研究方法分析 | 第17-20页 |
| 2.4.1 时域分析 | 第17页 |
| 2.4.2 频域分析 | 第17-19页 |
| 2.4.3 时频分析 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 神经量表筛查标准与研究对象 | 第21-25页 |
| 3.1 引言 | 第21页 |
| 3.2 神经心理学量表评估 | 第21-23页 |
| 3.3 轻度认知障碍的纳入和排除标准 | 第23页 |
| 3.4 脑电信号的采集 | 第23-24页 |
| 3.5 本章小结 | 第24-25页 |
| 第4章 基于EMD分解的相空间重构糖尿病轻度认知障碍分析 | 第25-44页 |
| 4.1 引言 | 第25页 |
| 4.2 基于EMD分解的相空间重构 | 第25-29页 |
| 4.2.1 EMD分解 | 第25-27页 |
| 4.2.2 相空间的重构 | 第27-28页 |
| 4.2.3 二维相空间的椭圆投影面积特征 | 第28-29页 |
| 4.2.4 三维相空间欧几里得距离四分位差特征 | 第29页 |
| 4.3 算法性能分析 | 第29-36页 |
| 4.3.1 EMD分解及相空间重构 | 第30-34页 |
| 4.3.2 相空间特征统计分析 | 第34-35页 |
| 4.3.3 数据长度对特征计算的影响 | 第35-36页 |
| 4.4 糖尿病认知功能障碍脑电信号的分析 | 第36-40页 |
| 4.4.1 认知量表统计分析 | 第36-37页 |
| 4.4.2 糖尿病脑电信号的特征统计分析 | 第37-40页 |
| 4.5 糖尿病脑电信号的特征提取和分类 | 第40-42页 |
| 4.5.1 支持向量机 | 第40-42页 |
| 4.5.2 分类结果 | 第42页 |
| 4.6 本章小结 | 第42-44页 |
| 第5章 糖尿病轻度认知障碍EEG相位幅度耦合分析及自动分类 | 第44-59页 |
| 5.1 引言 | 第44页 |
| 5.2 交叉频率相位幅度耦合方法 | 第44-46页 |
| 5.3 模型仿真分析 | 第46-49页 |
| 5.3.1 信噪比对耦合算法的影响 | 第46-48页 |
| 5.3.2 数据长度对耦合算法的影响 | 第48-49页 |
| 5.4 糖尿病认知功能障碍脑电信号分析 | 第49-54页 |
| 5.4.1 糖尿病脑电信号的耦合强度分析 | 第50-51页 |
| 5.4.2 认知量表的统计分析 | 第51-52页 |
| 5.4.3 耦合强度值的统计分析 | 第52-54页 |
| 5.5 基于耦合特征的自动分类 | 第54-57页 |
| 5.5.1 压缩感知分类器 | 第54-56页 |
| 5.5.2 压缩感知分类结果 | 第56-57页 |
| 5.5.3 SVM分类及结果 | 第57页 |
| 5.6 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-69页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 作者简介 | 第71页 |