声明
第一章绪论
1.1 癫痫发作的研究背景和意义
1.2 深度学习的发展
1.3 基于深度学习的脑电信号处理
1.3.1 基于深信度网络的脑电信号处理
1.3.2 基于RNN的脑电信号处理
1.3.3 基于CNN的脑电信号处理
1.3.4 基于LSTM的脑电信号处理
1.4 癫痫发作预测流程
1.5 论文结构和章节安排
第二章癫痫脑电信号
2.1 脑电信号的概述
2.2 癫痫脑电图的特征
2.3 颞叶癫痫
2.4 本章小结
第三章基于双向LSTM深度网络的癫痫脑电分析
3.1 机器学习与神经网络
3.2 循环神经网络
3.2.1 神经网络
3.2.2 循环神经网络
3.3 用于癫痫脑电分析的双向LSTM深度网络
3.3.1 LSTM单元结构
3.3.2 双向LSTM的深层网络
3.3.3 网络训练
3.4 本章小结
第四章实验结果与分析
4.1 实验数据来源
4.2 癫痫发作预测系统
4.2.1 实验数据预处理
4.2.2 训练数据和测试数据
4.2.3 脑电波形特征计算
4.2.4 基于深度双向LSTM的特征学习
4.2.5 后处理
4.3 癫痫预测的性能评价方法
4.4 实验结果与分析
4.4.1 实验结果
4.4.2 结果分析
4.5 本章小结
第五章 总结与展望
参考文献
致谢
山东师范大学;