| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 癫痫脑电信号的自动检测算法概述 | 第12-13页 |
| 1.3 国内外研究动态 | 第13-14页 |
| 1.4 课题研究内容及论文结构 | 第14-17页 |
| 1.4.1 研究内容与创新点 | 第14-15页 |
| 1.4.2 本文组织结构 | 第15-17页 |
| 第二章 基于脑电信号的癫痫自动检测算法 | 第17-30页 |
| 2.1 脑电信号的基础知识 | 第17-19页 |
| 2.1.1 脑电信号机理及分类 | 第17页 |
| 2.1.2 脑电信号的特点 | 第17-18页 |
| 2.1.3 脑电信号的采集 | 第18-19页 |
| 2.2 癫痫脑电信号的特征 | 第19页 |
| 2.3 癫痫发作自动检测中的常用方法 | 第19-27页 |
| 2.3.1 预处理 | 第20-21页 |
| 2.3.2 特征提取 | 第21-24页 |
| 2.3.3 分类决策 | 第24-27页 |
| 2.4 算法评价标准 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 基于构造小波函数的癫痫特征波检测 | 第30-45页 |
| 3.1 小波的基本概念及连续小波变换 | 第30-34页 |
| 3.1.1 小波函数 | 第30-31页 |
| 3.1.2 连续小波变换 | 第31-32页 |
| 3.1.3 利用连续小波变换分析癫痫脑电信号的过程 | 第32-34页 |
| 3.2 基于癫痫特征波构造小波函数 | 第34-37页 |
| 3.3 基于构造小波的癫痫脑电小波变换 | 第37-39页 |
| 3.3.1 尺度范围的选择 | 第37-38页 |
| 3.3.2 平移范围的选择 | 第38页 |
| 3.3.3 小波变换系数的处理 | 第38-39页 |
| 3.4 单一阈值法用于癫痫特征波检测 | 第39-40页 |
| 3.5 实验与结果 | 第40-43页 |
| 3.5.1 实验数据集的获取 | 第40页 |
| 3.5.2 实验结果 | 第40-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 基于多小波综合的癫痫特征波检测 | 第45-55页 |
| 4.1 基于多小波综合的连续小波变换 | 第45-48页 |
| 4.1.1 方法 1：先变换后综合 | 第45-47页 |
| 4.1.2 方法 2：先综合后变换 | 第47-48页 |
| 4.2 阈值的选取 | 第48-49页 |
| 4.3 癫痫特征波位置的确定方法 | 第49-51页 |
| 4.4 实验与结果 | 第51-54页 |
| 4.4.1 多小波综合与单一小波检测的对比 | 第51-52页 |
| 4.4.2 阈值的选取 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 基于小波和幅值特征的癫痫发作区域确定 | 第55-66页 |
| 5.1 检测算法设计 | 第55-60页 |
| 5.1.1 SVM算法介绍 | 第55-57页 |
| 5.1.2 特征向量的选取 | 第57-58页 |
| 5.1.3 癫痫特征波位置的确定 | 第58-60页 |
| 5.2 癫痫发作区域的确定方法 | 第60-62页 |
| 5.3 实验与结果 | 第62-65页 |
| 5.3.1 实验数据集的获取 | 第62页 |
| 5.3.2 基于小波和幅值特征的SVM分类实验结果 | 第62-63页 |
| 5.3.3 与基于多小波综合的单一阈值检测法的对比 | 第63-64页 |
| 5.3.4 确定癫痫发作区域的实验结果 | 第64-65页 |
| 5.4 本章小结 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 总结 | 第66-67页 |
| 展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 附件 | 第75页 |
