基于最小生成树的多特征融合的脑网络分类研究
| 摘要 | 第3-6页 |
| abstract | 第6-9页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 课题的研究背景 | 第13-16页 |
| 1.2 课题的研究现状 | 第16-20页 |
| 1.2.1 抑郁症功能脑网络研究 | 第16-18页 |
| 1.2.2 最小生成树在脑网络中的相关研究 | 第18-19页 |
| 1.2.3 脑网络中的分类研究 | 第19-20页 |
| 1.3 课题的研究目的和意义 | 第20-21页 |
| 1.4 课题的主要内容 | 第21-22页 |
| 1.5 本文的组织结构 | 第22-23页 |
| 1.6 本章小结 | 第23-25页 |
| 第二章 最小生成树功能脑网络的构建 | 第25-33页 |
| 2.1 被试的选取 | 第25页 |
| 2.2 功能磁共振数据的采集 | 第25-27页 |
| 2.3 功能磁共振数据的预处理 | 第27-28页 |
| 2.4 最小生成树脑网络的构建 | 第28-31页 |
| 2.4.1 节点的定义 | 第29-30页 |
| 2.4.2 边的定义 | 第30页 |
| 2.4.3 最小生成树网络的构建结果 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 最小生成树网络的拓扑指标及分析 | 第33-39页 |
| 3.1 网络指标 | 第33-34页 |
| 3.2 局部节点指标 | 第34页 |
| 3.2.1 度 | 第34页 |
| 3.2.2 介数中心度 | 第34页 |
| 3.2.3 离心率 | 第34页 |
| 3.3 全局网络指标 | 第34-35页 |
| 3.3.1 直径 | 第34-35页 |
| 3.3.2 叶子分数 | 第35页 |
| 3.3.3 树层次 | 第35页 |
| 3.3.4 平均离心率 | 第35页 |
| 3.4 统计分析 | 第35-36页 |
| 3.4.1 非参数检验 | 第35-36页 |
| 3.4.2 回归分析 | 第36页 |
| 3.5 本章小结 | 第36-39页 |
| 第四章 基于脑区特征的脑网络研究 | 第39-51页 |
| 4.1 引言 | 第39-40页 |
| 4.1.1 可靠性分析 | 第39页 |
| 4.1.2 可重复性分析 | 第39-40页 |
| 4.2 脑区特征的选择 | 第40-41页 |
| 4.3 分类器的选择 | 第41页 |
| 4.4 实验结果与分析 | 第41-49页 |
| 4.4.1 全局指标的分析 | 第41-43页 |
| 4.4.2 局部属性的分析 | 第43-45页 |
| 4.4.3 特征重要性分析 | 第45-46页 |
| 4.4.4 可重复性分析 | 第46-48页 |
| 4.4.5 特征数目对分类结果的影响 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 基于子图特征的脑网络研究 | 第51-57页 |
| 5.1 引言 | 第51页 |
| 5.2 子图选择及度量 | 第51-53页 |
| 5.2.1 频繁子图挖掘 | 第51-52页 |
| 5.2.2 子图特征选择 | 第52页 |
| 5.2.3 图核 | 第52-53页 |
| 5.3 实验结果与分析 | 第53-56页 |
| 5.3.1 最具判别性的连接模式 | 第53-55页 |
| 5.3.2 最具判别性的脑区 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 基于多特征融合的脑网络分析方法 | 第57-65页 |
| 6.1 引言 | 第57-58页 |
| 6.2 多核分类器 | 第58-59页 |
| 6.3 实验结果与分析 | 第59-62页 |
| 6.3.1 分类结果与分析 | 第59-61页 |
| 6.3.2 特征重要性分析 | 第61-62页 |
| 6.4 参数的影响 | 第62-63页 |
| 6.4.1 HSIC分数阈值K | 第62-63页 |
| 6.4.2 SVM参数的影响 | 第63页 |
| 6.5 本章小结 | 第63-65页 |
| 第七章 总结与展望 | 第65-67页 |
| 7.1 本文总结 | 第65页 |
| 7.2 未来工作的展望 | 第65-67页 |
| 参考文献 | 第67-77页 |
| 附录1：英文缩写对照表 | 第77-79页 |
| 致谢 | 第79-81页 |
| 攻读学位期间发表的学术论文目录 | 第81页 |
