| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 论文的研究内容和结构 | 第11-13页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 论文结构 | 第12-13页 |
| 第2章 ADHD患儿事件相关脑电位研究 | 第13-22页 |
| 2.1 ERPs技术 | 第13-14页 |
| 2.2 EEG信号采集实验 | 第14-15页 |
| 2.2.1 实验对象 | 第14页 |
| 2.2.2 实验方案设计 | 第14-15页 |
| 2.3 EEG信号的事件相关电位研究 | 第15-20页 |
| 2.3.1 EEG信号预处理 | 第16页 |
| 2.3.2 事件相关脑电位分析 | 第16-18页 |
| 2.3.3 统计检验 | 第18-19页 |
| 2.3.4 实验结果 | 第19-20页 |
| 2.4 小结与讨论 | 第20-22页 |
| 2.4.1 P2-N2峰峰值比较 | 第20-21页 |
| 2.4.2 频域 11HZ左右峰值比较 | 第21-22页 |
| 第3章 ADHD患儿脑电信号的双谱研究 | 第22-31页 |
| 3.1 双谱理论 | 第22-23页 |
| 3.2 EEG信号的双谱研究 | 第23-29页 |
| 3.2.1 双谱估计 | 第24-26页 |
| 3.2.2 图像分割 | 第26-28页 |
| 3.2.3 计算双谱有效能量 | 第28页 |
| 3.2.4 实验结果 | 第28-29页 |
| 3.3 小结与讨论 | 第29-31页 |
| 3.3.1 频率交互作用 | 第29页 |
| 3.3.2 双谱有效能量大小比较 | 第29-30页 |
| 3.3.3 双谱主峰频率位置比较 | 第30-31页 |
| 第4章 基于普通神经网络的ADHD患者脑部MR图像病类判别 | 第31-40页 |
| 4.1 磁共振成像（MRI） | 第31-32页 |
| 4.2 脑部MRI信号来源 | 第32-33页 |
| 4.3 RBF神经网络对MR图像分类 | 第33-37页 |
| 4.3.1 图像预处理 | 第34页 |
| 4.3.2 特征提取 | 第34-35页 |
| 4.3.3 RBF神经网络学习算法 | 第35-36页 |
| 4.3.4 实验结果 | 第36-37页 |
| 4.4 PNN对MR图像分类 | 第37-39页 |
| 4.4.1 PNN学习算法 | 第37-38页 |
| 4.4.2 实验结果 | 第38-39页 |
| 4.5 小结与讨论 | 第39-40页 |
| 第5章 基于深度学习的ADHD患者脑部MR图像病类判别 | 第40-53页 |
| 5.1 脑部MRI信号预处理 | 第40-48页 |
| 5.1.1 FreeSurfer软件 | 第41-42页 |
| 5.1.2 MRI预处理结果 | 第42-48页 |
| 5.2 深度学习对MR图像分类 | 第48-52页 |
| 5.2.1 CNN学习算法 | 第48-51页 |
| 5.2.2 实验结果 | 第51-52页 |
| 5.3 小结与讨论 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 攻读学位期间的研究成果 | 第61页 |