基于小波变换的癫痫脑电信号分析
| 摘要 | 第5-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 脑电图(EEG) | 第14-18页 |
| 1.2 癫痫 | 第18-19页 |
| 1.3 癫痫EEG | 第19-22页 |
| 1.4 本论文的工作 | 第22-24页 |
| 第二章 小波变换和机器学习 | 第24-34页 |
| 2.1 引言 | 第24页 |
| 2.2 小波分析 | 第24-29页 |
| 2.2.1 Gabor变换 | 第24-26页 |
| 2.2.2 连续小波变换 | 第26-27页 |
| 2.2.3 离散小波变换和Mallat算法 | 第27-29页 |
| 2.3 机器学习与支撑向量机(SVM) | 第29-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第三章 癫痫病灶定位 | 第34-60页 |
| 3.1 引言 | 第34页 |
| 3.2 癫痫病灶定位临床方法 | 第34-37页 |
| 3.3 病灶定位数据集 | 第37-39页 |
| 3.3.1 Bern-Barcelona数据集 | 第37-38页 |
| 3.3.2 UBonn数据集 | 第38-39页 |
| 3.4 两模块递进特征选择法之癫痫病灶定位 | 第39-46页 |
| 3.4.1 算法概述 | 第39-40页 |
| 3.4.2 小波基选择 | 第40-41页 |
| 3.4.3 小波分解层 | 第41-42页 |
| 3.4.4 小波分解层与EEG频段对应关系 | 第42页 |
| 3.4.5 特征提取 | 第42页 |
| 3.4.6 分类及定位精度评价 | 第42-44页 |
| 3.4.7 模块1:小波基-分解层选择 | 第44页 |
| 3.4.8 模块2:频段-特征值选择 | 第44页 |
| 3.4.9 病灶定位算法小结 | 第44-46页 |
| 3.5 Bern-Barcelona定位结果 | 第46-51页 |
| 3.5.1 模块1输出 | 第46-48页 |
| 3.5.2 模块2输出 | 第48-51页 |
| 3.6 UBonn定位结果 | 第51-54页 |
| 3.6.1 模块1输出 | 第51-53页 |
| 3.6.2 模块2输出 | 第53-54页 |
| 3.7 基于小波变换的癫痫病灶定位方法比较 | 第54-57页 |
| 3.8 小波变换在癫痫病灶定位中的建议 | 第57-58页 |
| 3.9 本章小结 | 第58-60页 |
| 第四章 癫痫检测 | 第60-78页 |
| 4.1 引言 | 第60页 |
| 4.2 癫痫检测临床方法 | 第60-61页 |
| 4.3 癫痫检测数据集 | 第61-62页 |
| 4.3.1 MIT数据集 | 第61页 |
| 4.3.2 UBonn数据集 | 第61-62页 |
| 4.4 两模块递进特征选择法之癫痫检测 | 第62-66页 |
| 4.4.1 模块1:小波基-分解层选择 | 第63页 |
| 4.4.2 模块2:频段-特征值选择 | 第63-64页 |
| 4.4.3 癫痫检测算法小结 | 第64-66页 |
| 4.5 MIT数据集检测结果 | 第66-69页 |
| 4.5.1 模块1输出 | 第66-68页 |
| 4.5.2 模块2输出 | 第68-69页 |
| 4.6 UBonn数据集检测结果 | 第69-73页 |
| 4.6.1 模块1输出 | 第69-71页 |
| 4.6.2 模块2输出 | 第71-73页 |
| 4.7 基于小波变换的癫痫检测方法比较 | 第73页 |
| 4.8 小波变换在癫痫检测中的建议 | 第73-77页 |
| 4.9 本章小结 | 第77-78页 |
| 第五章 泛化特征提取 | 第78-88页 |
| 5.1 引言 | 第78页 |
| 5.2 癫痫患者情绪检测 | 第78-79页 |
| 5.3 基于EEG的人类情绪检测实例 | 第79-86页 |
| 5.3.1 研究目的 | 第79-80页 |
| 5.3.2 实验设计 | 第80-81页 |
| 5.3.3 数据分析 | 第81-82页 |
| 5.3.4 结果分析与讨论 | 第82-84页 |
| 5.3.5 实验结论 | 第84-86页 |
| 5.4 本章小结 | 第86-88页 |
| 第六章 总结与展望 | 第88-92页 |
| 参考文献 | 第92-106页 |
| 致谢 | 第106-108页 |
| 作者简介 | 第108页 |
