基于脑影像数据的模式识别方法研究及应用
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 磁共振成像简介 | 第11-13页 |
| 1.1.1 功能磁共振成像的历史 | 第11页 |
| 1.1.2 功能磁共振成像 | 第11-12页 |
| 1.1.3 静息态功能磁共振成像 | 第12-13页 |
| 1.2 脑功能网络分析方法概述 | 第13-15页 |
| 1.2.1 功能连接 | 第13-14页 |
| 1.2.2 动态功能连接 | 第14-15页 |
| 1.2.3 无监督的模式识别算法 | 第15页 |
| 1.3 左右利手的研究现状及概述 | 第15-16页 |
| 1.4 本文选题与研究内容安排 | 第16-17页 |
| 第二章 围绝经期综合症患者脑区异常量化研究 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 数据采集与数据预处理 | 第17-19页 |
| 2.2.1 研究对象 | 第17-18页 |
| 2.2.2 数据采集 | 第18页 |
| 2.2.3 数据预处理 | 第18-19页 |
| 2.3 理论方法 | 第19-20页 |
| 2.3.1 局部一致性方法 | 第19页 |
| 2.3.2 低频振荡振幅 | 第19-20页 |
| 2.4 数据分析与结果 | 第20-23页 |
| 2.4.1 数据分析 | 第20页 |
| 2.4.2 结果 | 第20-23页 |
| 2.5 讨论 | 第23页 |
| 2.6 本章总结 | 第23-25页 |
| 第三章 动态网络的无监督聚类分析 | 第25-42页 |
| 3.1 引言 | 第25-26页 |
| 3.2 FMRI数据预处理及结果 | 第26-28页 |
| 3.3 FMRI数据对聚类算法的要求 | 第28页 |
| 3.4 动态网络聚类常用距离及相似性指标 | 第28-30页 |
| 3.5 聚类算法综述 | 第30-35页 |
| 3.5.1 K-means算法 | 第30-31页 |
| 3.5.2 自组织映射神经网络算法 | 第31-32页 |
| 3.5.3 DBSCAN算法 | 第32-33页 |
| 3.5.4 DPCA算法 | 第33-35页 |
| 3.6 不同聚类算法应用到仿真数据上的效果比较 | 第35-40页 |
| 3.7 密度峰值聚类在左右利手数据上的应用 | 第40-41页 |
| 3.8 本章小结 | 第41-42页 |
| 第四章 总结和展望 | 第42-44页 |
| 4.1 本文总结 | 第42-43页 |
| 4.2 前景展望 | 第43-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-50页 |
| 攻读硕士学位期间取得的成果 | 第50-51页 |
