摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第9-14页 |
1.1 课题背景和研究意义 | 第9-10页 |
1.2 研究现状 | 第10-13页 |
1.2.1 效能连接和功能连接方法 | 第10-11页 |
1.2.2 网络动态模式分析 | 第11-12页 |
1.2.3 研究不足 | 第12-13页 |
1.3 本文的工作创新和贡献 | 第13页 |
1.4 本文的组织结构 | 第13-14页 |
第二章 动态功能连接算法介绍 | 第14-24页 |
2.1 小波一致性 | 第14-18页 |
2.1.1 方法概述 | 第14页 |
2.1.2 算法原理 | 第14-17页 |
2.1.2.1 小波基的选择 | 第14-15页 |
2.1.2.2 连续小波变换 | 第15-16页 |
2.1.2.3 基于MEG采集信号的小波变换 | 第16页 |
2.1.2.4 神经活动时间序列的小波一致性计算 | 第16-17页 |
2.1.3 算法优势及应用 | 第17-18页 |
2.2 同步似然性 | 第18-22页 |
2.2.1 方法概述 | 第18-19页 |
2.2.2 算法原理 | 第19-21页 |
2.2.2.1 定义感兴趣的频段和滤波频段 | 第19页 |
2.2.2.2 时间延迟嵌入向量 | 第19页 |
2.2.2.3 为两个潜在耦合系统定义重复周期 | 第19-20页 |
2.2.2.4 比较两个周期性重复序列的同步似然性 | 第20-21页 |
2.2.2.5 计算不同时间点的SL | 第21页 |
2.2.3 算法优势及应用 | 第21-22页 |
2.3 小波一致性与同步似然性算法比较 | 第22-24页 |
第三章 抑郁症患者静息态网络动态功能连接模式的研究 | 第24-48页 |
3.1 引言 | 第24-25页 |
3.2 实验数据采集和研究对象 | 第25-26页 |
3.2.1 脑磁图数据采集 | 第25页 |
3.2.2 实验对象 | 第25-26页 |
3.3 实验数据分析方法 | 第26-29页 |
3.3.1 数据预处理 | 第26-27页 |
3.3.2 感兴趣区域的选择及信号提取 | 第27-29页 |
3.4 基于小波一致性的动态功能连接计算 | 第29-31页 |
3.4.1 主成分分析 | 第29页 |
3.4.2 希尔伯特包络 | 第29-30页 |
3.4.3 小波一致性计算 | 第30-31页 |
3.5 动态网络模式的聚类分析 | 第31-48页 |
3.5.1 高维聚类算法介绍:SPK-means | 第31-32页 |
3.5.2 SP-Kmeans算法原理 | 第32-33页 |
3.5.3 基于时间的动态功能连接聚类分析 | 第33-43页 |
3.5.3.1 动态功能连接矩阵降维 | 第33页 |
3.5.3.2 基于稳定性的聚类个数选取 | 第33-37页 |
3.5.3.3 动态功能模式聚类分析及优化 | 第37-38页 |
3.5.3.4 结果与讨论 | 第38-43页 |
3.5.4 网络动态功能连接模式的特征分析 | 第43-45页 |
3.5.4.1 功能连接模式的状态参数计算 | 第43页 |
3.5.4.2 结果与讨论 | 第43-45页 |
3.5.5 网络模式的动态转换 | 第45-48页 |
3.5.5.1 基于马尔科夫链的稳态计算 | 第45页 |
3.5.5.2 结果与讨论 | 第45-48页 |
第四章 抑郁症患者静息态关键网络动态模式的长时程研究 | 第48-59页 |
4.1 引言 | 第48-49页 |
4.2 实验数据采集和研究对象 | 第49页 |
4.2.1 脑磁图数据采集 | 第49页 |
4.2.2 实验对象 | 第49页 |
4.3 实验数据分析方法 | 第49-52页 |
4.3.1 数据预处理 | 第49-50页 |
4.3.2 静息态网络选择及信号提取 | 第50-52页 |
4.4 网络动态功能连接计算 | 第52-53页 |
4.5 动态功能连接的长时程聚类分析 | 第53-59页 |
4.5.1 聚类及最优聚类个数选择 | 第53-55页 |
4.5.2 结果与分析 | 第55-59页 |
4.5.2.1 DMN网络动态模式 | 第55-56页 |
4.5.2.2 FPN网络动态模式 | 第56-58页 |
4.5.2.3 SN网络动态模式特征 | 第58-59页 |
第五章 总结与展望 | 第59-61页 |
5.1 工作总结 | 第59-60页 |
5.2 工作展望 | 第60-61页 |
致谢 | 第61-62页 |
参考文献 | 第62-69页 |
在学校期间的研究成果及发表的学术论文 | 第69页 |