| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 睡眠呼吸暂停综合症研究背景及意义 | 第7页 |
| 1.2 睡眠呼吸暂停综合症检测方法 | 第7-9页 |
| 1.3 国内外现状分析 | 第9-10页 |
| 1.4 论文内容安排 | 第10-11页 |
| 1.5 本章小结 | 第11-12页 |
| 第2章 心电与睡眠呼吸暂停综合症关系研究 | 第12-17页 |
| 2.1 心电信号产生机理及特点 | 第12-14页 |
| 2.1.1 心电信号产生机理 | 第12页 |
| 2.1.2 典型心电波形 | 第12-14页 |
| 2.1.3 心电信号特点 | 第14页 |
| 2.2 SAS 与心电信号关系 | 第14-15页 |
| 2.3 PhysioNet 中 Apnea-ECG 数据库 | 第15-16页 |
| 2.4 本章小结 | 第16-17页 |
| 第3章 心电信号处理与 QRS 波检测 | 第17-25页 |
| 3.1 心电信号消噪算法研究 | 第17-20页 |
| 3.1.1 心电信号噪声 | 第17页 |
| 3.1.2 心电信号的处理方法选择标准 | 第17-18页 |
| 3.1.3 基于小波变换的心电信号消噪算法 | 第18-20页 |
| 3.2 R 波检测算法研究 | 第20-24页 |
| 3.3 本章小结 | 第24-25页 |
| 第4章 SAS 特征参数提取 | 第25-34页 |
| 4.1 RR 间期信号与心率变异性关系 | 第25-26页 |
| 4.2 心率变异性分析方法 | 第26-31页 |
| 4.2.1 时域分析 | 第26-30页 |
| 4.2.2 频域分析 | 第30-31页 |
| 4.3 SAS 特征参数提取 | 第31-33页 |
| 4.4 本章小结 | 第33-34页 |
| 第五章 RBF 神经网络自动检测模型建立与实验验证 | 第34-48页 |
| 5.1 基于 BP 神经网络的 ECG-SAS 的自动检测模型建立 | 第34-39页 |
| 5.1.1 BP 神经网络学习算法 | 第34-36页 |
| 5.1.2 BP 神经网络的 SAS 自动检测模型设计 | 第36-39页 |
| 5.2 基于 RBF 神经网络建立 ECG-SAS 自动检测模型 | 第39-42页 |
| 5.3 BP 和 RBF 神经网络分类结果分析 | 第42-47页 |
| 5.3.1 BP 神经网络分类结果 | 第43-45页 |
| 5.3.2 RBF 神经网络分类结果 | 第45-47页 |
| 5.4 小结 | 第47-48页 |
| 第6章 总结与展望 | 第48-50页 |
| 6.1 总结 | 第48-49页 |
| 6.2 展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 作者简介及科研成果 | 第54-55页 |
| 致谢 | 第55页 |
