基于核磁共振成像的轻度认知障碍到阿尔茨海默症的预测方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 课题研究背景与意义 | 第14-16页 |
| 1.2 课题研究现状 | 第16-19页 |
| 1.3 本文的研究内容 | 第19-20页 |
| 1.4 本文组织安排 | 第20-22页 |
| 第二章 相关工作介绍 | 第22-32页 |
| 2.1 基于特征工程的方法 | 第22-26页 |
| 2.1.1 特征工程 | 第22-23页 |
| 2.1.2 基于特征工程的相关工作 | 第23-26页 |
| 2.2 基于特征学习的方法 | 第26-30页 |
| 2.2.1 深度学习 | 第26-28页 |
| 2.2.2 基于深度学习的相关工作 | 第28-30页 |
| 2.3 本章小结 | 第30-32页 |
| 第三章 耦合特征预测子 | 第32-42页 |
| 3.1 数据介绍与处理 | 第32-34页 |
| 3.1.1 数据介绍 | 第32-33页 |
| 3.1.2 数据处理 | 第33-34页 |
| 3.2 方法学描述 | 第34-36页 |
| 3.2.1 耦合特征表达 | 第34-35页 |
| 3.2.2 基于耦合特征表达的预测框架 | 第35-36页 |
| 3.3 实验方案设计 | 第36-37页 |
| 3.4 实验结果与分析 | 第37-41页 |
| 3.4.1 实验结果 | 第37-38页 |
| 3.4.2 与其它方法的比较 | 第38-39页 |
| 3.4.3 实验分析与讨论 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 切面深度预测子 | 第42-56页 |
| 4.1 方法学描述 | 第42-48页 |
| 4.1.1 卷积神经网络 | 第42-44页 |
| 4.1.2 紧密连接卷积网络 | 第44-46页 |
| 4.1.3 基于切面深度预测子的预测框架 | 第46-48页 |
| 4.2 数据处理和实验方案设计 | 第48-49页 |
| 4.2.1 数据处理 | 第48页 |
| 4.2.2 实验方案设计 | 第48-49页 |
| 4.3 实验结果与分析 | 第49-54页 |
| 4.3.1 实验结果 | 第49-53页 |
| 4.3.2 与其它方法的比较 | 第53-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第五章 空间深度预测子 | 第56-66页 |
| 5.1 方法学描述 | 第56-60页 |
| 5.1.1 三维卷积神经网络 | 第56-57页 |
| 5.1.2 深度残差网络 | 第57-58页 |
| 5.1.3 数据增广方法 | 第58-59页 |
| 5.1.4 基于空间深度预测子的预测框架 | 第59-60页 |
| 5.2 数据处理和实验方案设计 | 第60-61页 |
| 5.2.1 数据处理 | 第60-61页 |
| 5.2.2 实验方案设计 | 第61页 |
| 5.3 实验结果与分析 | 第61-63页 |
| 5.4 本文工作比较 | 第63-64页 |
| 5.5 本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 论文总结 | 第66-67页 |
| 6.2 未来工作展望 | 第67-68页 |
| 附录: 攻读硕士学位期间取得的学术成果 | 第68-70页 |
| 参考文献 | 第70-80页 |
| 致谢 | 第80页 |
