Методы и алгоритмы обработки электрофизиологических сигналов для автоматического распознавания стадий сна

Введение
Цель работы.
Научная новизна.
Практическая значимость работы
Основные результаты работы
Достоверность полученных результатов.
Апробации работы.
Глава I Исследования сна.
1.1. Феноменология сна.
1.2. Нарушения сна.
1.3. Применения электроэнцефалографии для исследования сна.
1.3.1. Система расположения электродов .
1.3.2. Ритмы и паттерны ЭЭГ
1.3.3. Фазы сна и гипнограмма
1.3.4. Классификация сна по правилам Рехчаффсна и Кейлса.
1.4. Метод полисомнографии.
1.4.1. Регистрация данных
1.4.2. Анализ данных.
1.4.3. Клиническое заключение
1.5. Анализ рынка систем для проведения полисомнографичсских исследований.
1.6. Разработка аппаратнопрограммного комплекса для решения задачи
автоматического распознавания стадий сна.
Глава 2 Алгоритмы для решение задачи автоматического распонаваия стадий снаЗО
2.1. Комплексное решение задачи автоматического распознавания стадий сна
2.2. Подходы к автоматизации распознавания стадий сна
2.3. Разработка методов сегментации записей
2.3.1. Стационарный случайный процесс
2.3.2. Метод фиксированных интервалов
2.3.3. Параметрическая сегментация.
2.3.4. Непарамстрическая сегментация.
2.4. Разработка методов параметризации.
2.4.1. Электроэицефалографическая семиотика
2.4.2. Параметризация на основе преобразования Фурье.
2.4.3. Параметризация на основе фрактальной размерности
2.5. Разработка методов классификации
2.5.1. Архитектура алгоритмов классификации
2.5.2. Исследования и разработка однослойных классификаторов.
2.5.3. Исследования и разработка многослойных классификаторов
2.5.4. Разработка линейной кластеризации.
2.5.5. Алгоритмы обучения на основе самоорганизации
2.5.6. Алгоритм обучения на основе обратного распространения ошибки
2.5.7. Методы обработки статистических весов примеров обучающей выборки .
2.5.8. Разработка классификатора на основе скрытых моделей Маркова.
2.6. Выводы
Глава 3 Программноаппаратный комплекса для анализа показателей электрофизиологической активности человека во сне
3.1. Назначение программно аппаратного комплекса
3.1.1. Функциональные возможности аппаратной реализации.
3.1.2. Функциональные возможности программных модулей.
3.2. Состав программноаппаратного комплекса
3.3. Модуль предобработки ЭЭГ.
3.4. Модуль параметризации ПСГ
3.4.1. Изменение размерности входного пространства
3.5. Модуль классификации.
3.5.1. Выбор оптимального классификатора
3.5.2. Алгоритм классификации егадий сна на основе многослойного
персей фона.
3.5.3. Алгоритм классификации стадий сна на основе скрытых моделей Маркова.
3.6. Выводы
Глава 4 Применение программноаппаратного комплекса для автоматического распознавания стадий сна.
4.1. База данных.
4.1.1. Формирование обучающей и тестовой выборки.
4.2. Сегментация записей.
4.3. Парамегризация записей
4.4. Тестирование классификатора на основе многослойного персей фона
4.4.1. Обучение классификатора.
4.4.2. Тестирование классификатора.
4.4.3. Пример применения классификатора на основе многослойного
персей фона
4.5. Тестирование каскадного классификатора на основе многослойного иерсситрона
4.5.1. Обучение классификаторов
4.5.2. Тестирование классификаторов
4.5.3. Пример применения каскада классификаторов на основе многослойного иерсспфона
4.6. Тестирование классификатора на основе скрытых моделей Маркова.
4.6.1. Пример применения классификатора на основе скрытых моделей Маркова
4.7. Выводы
Заключение.
Список литературы