基于fMRI的脑词汇认知状态识别方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-12页 |
| ·选题背景 | 第9页 |
| ·研究现状 | 第9-10页 |
| ·脑数据挖掘的发展 | 第9-10页 |
| ·相关fMRI数据分析 | 第10页 |
| ·论文主要工作和结构安排 | 第10-12页 |
| 2 脑功能磁共振成像 | 第12-21页 |
| ·脑的结构与功能简介 | 第12-13页 |
| ·脑功能磁共振成像技术概述 | 第13-17页 |
| ·核磁共振原理 | 第14页 |
| ·功能磁共振成像原理 | 第14-15页 |
| ·功能磁共振成像数据特点 | 第15-16页 |
| ·功能磁共振成像实验设计 | 第16-17页 |
| ·基于SPM软件包的数据处理 | 第17-20页 |
| ·数据预处理 | 第17-18页 |
| ·统计模型的建立及估计 | 第18-19页 |
| ·基于T检验的基本原理 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 3 基于粒子群优化的fMRI图像配准方法研究 | 第21-31页 |
| ·理论基础 | 第21-23页 |
| ·互信息理论 | 第21页 |
| ·粒子群优化方法 | 第21-22页 |
| ·云模型理论 | 第22-23页 |
| ·配准模型的建立 | 第23-26页 |
| ·配准测度 | 第23页 |
| ·配准参数 | 第23-24页 |
| ·插值方法 | 第24页 |
| ·优化策略 | 第24-26页 |
| ·计算流程 | 第26-27页 |
| ·基于sPSO优化策略的图像配准步骤 | 第26页 |
| ·基于mPSO优化策略的图像配准步骤 | 第26-27页 |
| ·fMRI图像配准实例 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 4 脑词汇认知fMRI图像分析处理及特征提取 | 第31-46页 |
| ·实验数据 | 第31-32页 |
| ·数据预处理 | 第32-35页 |
| ·配准 | 第33-34页 |
| ·标准化 | 第34-35页 |
| ·正交化 | 第35页 |
| ·基于主成分分析的fMRI图像特征提取方法 | 第35-45页 |
| ·主成分分析法简介 | 第36-38页 |
| ·基于主成分分析的fMRI图像特征提取算法 | 第38-41页 |
| ·主成分分析结果 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 5 基于SVM的脑词汇认知状态分类识别 | 第46-54页 |
| ·fMRI数据分类识别的基本流程 | 第46页 |
| ·支持向量机在fMRI数据分类识别中的应用 | 第46-51页 |
| ·支持向量机的基本理论 | 第47-50页 |
| ·fMRI分类识别的SVM实现 | 第50-51页 |
| ·实验结果及分析 | 第51-53页 |
| ·分类识别结果 | 第51-52页 |
| ·结果分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
