中文摘要 | 第3-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第11-21页 |
1.1 研究背景及意义 | 第11-14页 |
1.2 基于脑电的抑郁识别研究与现状 | 第14-16页 |
1.3 面临的挑战 | 第16-18页 |
1.4 研究内容及主要贡献 | 第18-19页 |
1.5 本文章节安排 | 第19-21页 |
第二章 理论基础及研究重点 | 第21-38页 |
2.1 脑电信号的概述 | 第21-23页 |
2.2 脑电在情感、认知和疾病相关的研究现状 | 第23-25页 |
2.3 数据挖掘分类算法 | 第25-34页 |
2.3.1 贝叶斯信念网络 | 第25-27页 |
2.3.2 支持向量机 | 第27-28页 |
2.3.3 K最近邻 | 第28-29页 |
2.3.4 逻辑回归 | 第29-31页 |
2.3.5 随机森林 | 第31-32页 |
2.3.6 决策树 | 第32-34页 |
2.4 案例推理 | 第34-35页 |
2.5 生物信息反馈 | 第35-36页 |
2.6 虚拟现实技术 | 第36-37页 |
2.7 本章小结 | 第37-38页 |
第三章 普适化抑郁脑电实验 | 第38-44页 |
3.1 实验目的 | 第38页 |
3.2 实验方案 | 第38-42页 |
3.2.1 实验设备 | 第38-39页 |
3.2.2 被试入组和排除标准 | 第39-41页 |
3.2.3 实验流程及素材 | 第41-42页 |
3.3 实验数据 | 第42页 |
3.4 本章小结 | 第42-44页 |
第四章 普适化抑郁脑电特征选择研究 | 第44-65页 |
4.1 数据预处理 | 第44-45页 |
4.1.1 去除基线漂移干扰 | 第44页 |
4.1.2 滤波器 | 第44-45页 |
4.1.3 小波变换 | 第45页 |
4.2 特征提取及选择 | 第45-51页 |
4.2.1 特征提取 | 第45-50页 |
4.2.2 特征选择 | 第50-51页 |
4.3 结果分析 | 第51-64页 |
4.3.1 基于Wrapper的分类结果 | 第51-55页 |
4.3.2 基于Filter的分类结果 | 第55-60页 |
4.3.3 结果比较 | 第60-64页 |
4.4 本章小结 | 第64-65页 |
第五章 基于案例检索的抑郁识别模型研究 | 第65-88页 |
5.1 案例推理的基本框架 | 第65-68页 |
5.1.1 案例推理流程框架 | 第65-66页 |
5.1.2 案例知识框架表示 | 第66-68页 |
5.2 案例属性权重的设定 | 第68-75页 |
5.2.1 常用权重设定方法 | 第68-70页 |
5.2.2 基于遗传算法的融合权重设定方法 | 第70-75页 |
5.3 案例相似度计算 | 第75-79页 |
5.3.1 皮尔逊相关系数法 | 第76-77页 |
5.3.2 标准化欧氏距离计算方法 | 第77-78页 |
5.3.3 改进的余弦函数计算相似度 | 第78-79页 |
5.4 相似度计算方法数据实验 | 第79-85页 |
5.4.1 实验数据 | 第79-80页 |
5.5.2 实验方案 | 第80-81页 |
5.4.3 实验结果 | 第81-85页 |
5.6 基于案例检索的抑郁识别模型 | 第85-87页 |
5.7 本章小结 | 第87-88页 |
第六章 基于脑电反馈的抑郁障碍调节机制研究 | 第88-109页 |
6.1 基于脑电反馈的抑郁障碍调节机制 | 第88-90页 |
6.2 基于虚拟现实的脑电反馈抑郁干预框架 | 第90-92页 |
6.3 基于虚拟现实的脑电反馈抑郁干预系统 | 第92-98页 |
6.3.1 脑电采集处理 | 第93-94页 |
6.3.2 虚拟现实反馈训练 | 第94-97页 |
6.3.3 反馈训练难易度自适应算法设计 | 第97-98页 |
6.3.4 数据存储管理 | 第98页 |
6.4 基于虚拟现实的脑电生物信息反馈抑郁干预实验 | 第98-100页 |
6.4.1 实验设计 | 第98-99页 |
6.4.2 反馈训练参数 | 第99-100页 |
6.5 实验结果分析 | 第100-107页 |
6.5.1 量表评估分析 | 第100-102页 |
6.5.2 脑电参数评估分析 | 第102-107页 |
6.6 本章小结 | 第107-109页 |
第七章 总结与展望 | 第109-112页 |
7.1 总结 | 第109-111页 |
7.2 未来研究展望 | 第111-112页 |
参考文献 | 第112-127页 |
在学期间的研究成果 | 第127-129页 |
参与的科研项目 | 第129页 |
在学期间承担的学术兼职 | 第129-130页 |
致谢 | 第130页 |