基于仿生神经系统的癫痫脑电识别研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 1. 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 脑电信号分析方法和频段研究 | 第13页 |
| 1.2.2 脑电识别 | 第13-15页 |
| 1.3 论文的主要内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 2. 脑电的相关理论 | 第17-29页 |
| 2.1 癫痫病介绍 | 第17页 |
| 2.2 脑电数据的采集与分类 | 第17-19页 |
| 2.3 脑电分析基本理论 | 第19-25页 |
| 2.3.1 EMD分解端点效应问题 | 第19-20页 |
| 2.3.2 傅里叶变换 | 第20-25页 |
| 2.4 脑电特征指标 | 第25-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3. 脑电信号分频段识别 | 第29-43页 |
| 3.1 信号预处理 | 第29页 |
| 3.2 特征有效性检验 | 第29-32页 |
| 3.3 分类识别 | 第32-36页 |
| 3.3.1 支持向量机 | 第33-34页 |
| 3.3.2 最小二乘支持向量机 | 第34-36页 |
| 3.4 实验仿真及结果评估 | 第36-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4. 基于嗅觉模型的癫痫脑电识别 | 第43-54页 |
| 4.1 嗅觉神经系统 | 第43-45页 |
| 4.2 K系列模型 | 第45-50页 |
| 4.2.1 K0、KⅠ、KⅡ模型 | 第46-47页 |
| 4.2.2 KⅢ模型 | 第47-50页 |
| 4.3 基于KⅢ模型的癫痫脑电识别 | 第50-53页 |
| 4.3.1 基于特征提取的癫痫脑电识别研究 | 第50-52页 |
| 4.3.2 基于直接序列的癫痫脑电识别研究 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5. 基于深度学习的癫痫脑电识别 | 第54-66页 |
| 5.1 深度学习 | 第54-55页 |
| 5.2 卷积神经网络 | 第55-60页 |
| 5.2.1 卷积层 | 第56-59页 |
| 5.2.2 池化层 | 第59-60页 |
| 5.2.3 Softmax回归 | 第60页 |
| 5.3 TensorFlow框架介绍 | 第60-61页 |
| 5.4 基于卷积神经网络的脑电识别 | 第61-65页 |
| 5.5 本章小结 | 第65-66页 |
| 总结与展望 | 第66-69页 |
| 参考文献 | 第69-74页 |
| 附录A 攻读学位期间发表的学术论文目录 | 第74-75页 |
| 致谢 | 第75-76页 |
