基于心电信号和深度神经网络的睡眠分期研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 睡眠分期的研究背景及意义 | 第9页 |
| 1.2 睡眠分期的国内外发展状况 | 第9-12页 |
| 1.3 深度神经网络研究现状 | 第12-13页 |
| 1.4 本文主要研究内容和任务 | 第13-14页 |
| 1.5 论文结构安排 | 第14-17页 |
| 第二章 课题研究理论基础 | 第17-31页 |
| 2.1 睡眠分期的临床指标 | 第17-18页 |
| 2.1.1 睡眠分期标准 | 第17页 |
| 2.1.2 REM与NREM的生理特征 | 第17-18页 |
| 2.2 心率变异性与睡眠分期研究的理论基础 | 第18-22页 |
| 2.2.1 心电信号简介 | 第18-20页 |
| 2.2.2 心率变异性定义 | 第20-21页 |
| 2.2.3 基于心率变异性的睡眠分期方法研究 | 第21-22页 |
| 2.3 心率变异性与睡眠的相关性分析 | 第22-28页 |
| 2.3.1 时域分析 | 第22-24页 |
| 2.3.2 频域分析 | 第24-25页 |
| 2.3.3 非线性分析 | 第25-28页 |
| 2.4 深度神经网络简介 | 第28-30页 |
| 2.4.1 深度神经网络的任务 | 第28-29页 |
| 2.4.2 深度神经网络节点模型 | 第29-30页 |
| 2.4.3 深度神经网络的网络模型 | 第30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于深度神经网络的睡眠分期模型构建 | 第31-45页 |
| 3.1 构建用于睡眠分期的的深度神经网络模型 | 第31-37页 |
| 3.1.1 堆栈式自编码器网络结构 | 第31-33页 |
| 3.1.2 训练网络模型 | 第33-36页 |
| 3.1.3 网络模型优化 | 第36-37页 |
| 3.2 网络参数优化 | 第37-43页 |
| 3.2.1 迭代次数分析 | 第38-39页 |
| 3.2.2 网络层数分析 | 第39-41页 |
| 3.2.3 学习率分析 | 第41-42页 |
| 3.2.4 加入噪声系数分析 | 第42-43页 |
| 3.3 本章小结 | 第43-45页 |
| 第四章 临床数据采集与处理 | 第45-55页 |
| 4.1 多导睡眠监测实验 | 第46-49页 |
| 4.1.1 多导睡眠监测环境及对象的选择 | 第46-47页 |
| 4.1.2 实验准备工作及监测步骤 | 第47-48页 |
| 4.1.3 Alice Sleepware软件 | 第48-49页 |
| 4.2 实验数据处理 | 第49-54页 |
| 4.2.1 RR间期预处理 | 第50-51页 |
| 4.2.2 特征分析与处理 | 第51-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第五章 睡眠分期建模结果与分析 | 第55-67页 |
| 5.1 实验设计 | 第55-57页 |
| 5.1.1 实验目的 | 第55-56页 |
| 5.1.2 实验方案 | 第56-57页 |
| 5.2 实验及其结果分析 | 第57-65页 |
| 5.2.1 DNN模型对比实验 | 第57-59页 |
| 5.2.2 样本周期对比实验 | 第59-60页 |
| 5.2.3 睡眠分期数比较 | 第60-61页 |
| 5.2.4 分期算法对比实验 | 第61-65页 |
| 5.3 本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 硕士期间发表论文和参加科研情况 | 第73-75页 |
| 致谢 | 第75页 |
