首页--医药、卫生论文--神经病学与精神病学论文--精神病学论文--情感性精神病论文

基于脑电反馈的情感障碍调节机制及关键技术研究

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

论文共130页,点击 下载论文
上一篇:视频监控中的目标计数方法研究
下一篇:神经元信息传递及其能量效率的研究