脑电数据的双水平分析及特征选择方法在精神分裂症诊断中的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景、目的与意义 | 第14-17页 |
| 1.1.1 研究背景 | 第14-16页 |
| 1.1.2 研究目的 | 第16页 |
| 1.1.3 研究意义 | 第16-17页 |
| 1.2 脑电信号的双水平分析方法 | 第17-19页 |
| 1.2.1 脑电信号的双水平分析方法概述 | 第17-18页 |
| 1.2.2 脑电信号的双水平分析方法研究现状 | 第18-19页 |
| 1.3 本课题的主要研究内容与实验设计 | 第19-22页 |
| 第二章 双水平特征提取方法介绍 | 第22-34页 |
| 2.1 基于传感器水平分析的P300特征集提取 | 第22-25页 |
| 2.1.1 P300在精神分裂症诊断中的价值 | 第22-23页 |
| 2.1.2 P300特征提取 | 第23-25页 |
| 2.2 基于传感器水平分析的时域及频域特征提取 | 第25-26页 |
| 2.3 基于源水平分析的特征提取 | 第26-31页 |
| 2.3.1 源定位分析方法介绍 | 第26-29页 |
| 2.3.2 源定位分析方法在精神分裂症中的应用 | 第29-30页 |
| 2.3.3 布罗德曼分区 | 第30-31页 |
| 2.4 本章小结 | 第31-34页 |
| 第三章 精神分裂症诊断系统构建的相关算法介绍 | 第34-42页 |
| 3.1 filter式特征选择算法 | 第34-38页 |
| 3.1.1 Relieff算法 | 第34-36页 |
| 3.1.2 mRMR算法 | 第36-37页 |
| 3.1.3 SD算法 | 第37页 |
| 3.1.4 MI算法 | 第37-38页 |
| 3.2 分类器选择 | 第38-39页 |
| 3.3 诊断模型评估 | 第39-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 精神分裂症诊断系统构建 | 第42-60页 |
| 4.1 实验设计 | 第42-44页 |
| 4.1.1 实验对象 | 第42页 |
| 4.1.2 odd-ball实验范式 | 第42-43页 |
| 4.1.3 数据采集 | 第43-44页 |
| 4.2 数据预处理 | 第44-48页 |
| 4.2.1 数据检查 | 第45页 |
| 4.2.2 带通滤波 | 第45页 |
| 4.2.3 ICA去伪 | 第45-48页 |
| 4.2.4 数据分段 | 第48页 |
| 4.3 特征提取 | 第48-50页 |
| 4.4 特征选择 | 第50-56页 |
| 4.5 模型构建及评估 | 第56-58页 |
| 4.6 本章小结 | 第58-60页 |
| 第五章 结果与分析 | 第60-74页 |
| 5.1 双水平特征集对分类结果的影响 | 第60-63页 |
| 5.2 不同特征选择算法对结果的影响 | 第63-66页 |
| 5.3 最优模型所使用的特征分析 | 第66-69页 |
| 5.4 实验结果讨论与分析 | 第69-72页 |
| 5.5 本章小结 | 第72-74页 |
| 第六章 总结与展望 | 第74-78页 |
| 6.1 工作总结 | 第74-75页 |
| 6.2 工作展望 | 第75-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-84页 |
| 作者简介 | 第84-85页 |
