| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 本文专用术语注释表 | 第11-14页 |
| 第一章 绪论 | 第14-23页 |
| 1.1 全脑分割研究的背景 | 第14-15页 |
| 1.2 全脑分割研究的意义 | 第15-16页 |
| 1.3 全脑分割研究的现状 | 第16-18页 |
| 1.4 相关研究 | 第18-19页 |
| 1.5 已有方法存在的主要问题 | 第19页 |
| 1.6 本文的创新点 | 第19-20页 |
| 1.7 本文的主要工作 | 第20-21页 |
| 1.8 本文的组织结构 | 第21-23页 |
| 第二章 将SLIC作用在静息态fMRI上进行全脑分割的研究 | 第23-31页 |
| 2.1 引言 | 第23页 |
| 2.2 材料和方法 | 第23-27页 |
| 2.2.1 被试 | 第23-24页 |
| 2.2.2 简单线性迭代聚类算法 | 第24-27页 |
| 2.2.3 评价指标 | 第27页 |
| 2.3 结果 | 第27-29页 |
| 2.4 结论 | 第29-31页 |
| 第三章 结合Ncut和SLIC进行全脑分割的研究 | 第31-70页 |
| 3.1 引言 | 第31-32页 |
| 3.2 材料和方法 | 第32-44页 |
| 3.2.1 被试和图像数据的获取 | 第32页 |
| 3.2.2 预处理 | 第32-33页 |
| 3.2.3 分割方法 | 第33-42页 |
| 3.2.4 评价指标 | 第42-44页 |
| 3.3 结果 | 第44-66页 |
| 3.3.1 实际分区数目 | 第45-48页 |
| 3.3.2 空间连续性 | 第48-49页 |
| 3.3.3 功能一致性 | 第49-52页 |
| 3.3.4 群体间的可重复性 | 第52-54页 |
| 3.3.5 群体到被试的可重复性 | 第54页 |
| 3.3.6 混淆因素的影响 | 第54-66页 |
| 3.3.7 平均结果 | 第66页 |
| 3.4 讨论 | 第66-69页 |
| 3.4.1 其他算法流程 | 第66-67页 |
| 3.4.2 决定分割的因素 | 第67-68页 |
| 3.4.3 分割方法的局限性 | 第68-69页 |
| 3.5 结论 | 第69-70页 |
| 第四章 使用GWC聚合超体素来进行全脑分割的研究 | 第70-97页 |
| 4.1 引言 | 第70-72页 |
| 4.2 材料和方法 | 第72-84页 |
| 4.2.1 被试和图像数据采集 | 第72页 |
| 4.2.2 预处理 | 第72页 |
| 4.2.3 生成超体素 | 第72页 |
| 4.2.4 特征提取 | 第72-73页 |
| 4.2.5 GWC | 第73-75页 |
| 4.2.6 算法流程 | 第75-78页 |
| 4.2.7 图的归一化 | 第78-79页 |
| 4.2.8 调节参数 | 第79-81页 |
| 4.2.9 评价指标 | 第81-82页 |
| 4.2.10 对比方法 | 第82-84页 |
| 4.2.11 随机分割 | 第84页 |
| 4.3 结果 | 第84-93页 |
| 4.3.1 GWC | 第84-86页 |
| 4.3.2 调节参数 | 第86-88页 |
| 4.3.3 对比算法 | 第88-91页 |
| 4.3.4 算法对比 | 第91-93页 |
| 4.4 讨论 | 第93-96页 |
| 4.5 结论 | 第96-97页 |
| 第五章 讨论 | 第97-102页 |
| 5.1 与功能网络的比较 | 第97页 |
| 5.2 与其他分割研究的比较 | 第97-98页 |
| 5.3 其他评价指标 | 第98-100页 |
| 5.4 评价指标的局限性 | 第100-101页 |
| 5.5 未来方向 | 第101页 |
| 5.6 计算 | 第101-102页 |
| 第六章 结论 | 第102-103页 |
| 致谢 | 第103-104页 |
| 参考文献 | 第104-112页 |
| 附录 A 二次规划问题 | 第112-115页 |
| 二次规划问题Ⅰ | 第112-113页 |
| 二次规划问题Ⅱ | 第113-115页 |
| 附录 B 源代码 | 第115-117页 |
| 研究一 | 第115页 |
| 研究二 | 第115-116页 |
| 研究三 | 第116-117页 |
| 作者简介 | 第117-118页 |