支持向量机在医学图像处理中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·引言 | 第10-11页 |
| ·fMRI介绍 | 第11-14页 |
| ·fMRI技术 | 第11页 |
| ·BOLD原理 | 第11-12页 |
| ·fMRI的优缺点 | 第12-13页 |
| ·fMRI进展 | 第13-14页 |
| ·本文要解决的问题 | 第14页 |
| ·全文的结构安排 | 第14-15页 |
| 第二章 磁共振数据 | 第15-22页 |
| ·功能图像数据的性质 | 第15-16页 |
| ·功能磁共振数据采集 | 第15页 |
| ·磁共振扫描中突出的问题 | 第15-16页 |
| ·功能图像数据的处理 | 第16-19页 |
| ·校正(Re-alignment) | 第16-17页 |
| ·配准(Registration) | 第17页 |
| ·归一化(Normalize) | 第17-18页 |
| ·平滑(Smooth) | 第18-19页 |
| ·功能数据的分析 | 第19-21页 |
| ·功能磁共振数据可视化方法 | 第21-22页 |
| 第三章 处理磁共振数据的基本方法 | 第22-34页 |
| ·SPM软件基本原理 | 第22-29页 |
| ·SPM介绍 | 第22-23页 |
| ·SPM软件处理fMRI | 第23页 |
| ·SPM空间预处理 | 第23-26页 |
| ·空间预处理 | 第23-24页 |
| ·脑图像配准 | 第24-25页 |
| ·图像平滑 | 第25-26页 |
| ·脑整体血流量效应的消除 | 第26页 |
| ·统计参数映射 | 第26-27页 |
| ·广义线性模型 | 第27-28页 |
| ·受解剖约束的假设 | 第28-29页 |
| ·没有解剖约束的假设和推理的水平 | 第29页 |
| ·SPM处理左右手动数据的结果 | 第29-31页 |
| ·主成分分析 | 第31-32页 |
| ·独立成分分析 | 第32-34页 |
| 第四章 支持向量机(SVM) | 第34-48页 |
| ·支持向量机理论背景 | 第34-36页 |
| ·SVM的核心思想 | 第36-38页 |
| ·SVM原理 | 第38-43页 |
| ·支持向量定义 | 第38页 |
| ·线性可分情况 | 第38-40页 |
| ·线性不可分的情况 | 第40-41页 |
| ·内积核函数 | 第41页 |
| ·基于支持向量机的判别框架 | 第41-42页 |
| ·SVM的本质优点 | 第42页 |
| ·Matlab中SVM工具箱介绍 | 第42-43页 |
| ·SVM多分类算法综述 | 第43页 |
| ·SVM仿真 | 第43-47页 |
| ·结论 | 第47-48页 |
| 第五章 SVM处理视觉和手动fMRI数据 | 第48-64页 |
| ·认知科学介绍 | 第48页 |
| ·实验设计 | 第48-54页 |
| ·视觉实验设计 | 第48-49页 |
| ·视觉实验数据获取 | 第48-49页 |
| ·SVM处理本数据具体方法 | 第49页 |
| ·左右手动实验设计 | 第49-51页 |
| ·左右手动实验数据获取 | 第49-50页 |
| ·SVM处理本数据具体方法 | 第50-51页 |
| ·数据处理流程图 | 第51-52页 |
| ·数据预处理介绍 | 第52-54页 |
| ·数据的空间预处理 | 第52-53页 |
| ·数据降维 | 第53-54页 |
| ·数据的时间压缩 | 第54页 |
| ·训练阶段 | 第54-55页 |
| ·交叉验证 | 第54-55页 |
| ·区分向量介绍 | 第55页 |
| ·测试阶段 | 第55-56页 |
| ·实际数据的处理 | 第56-63页 |
| ·视觉数据的处理 | 第56-59页 |
| ·未采用时间压缩的处理流程 | 第56页 |
| ·未采用时间压缩的处理结果 | 第56-57页 |
| ·采用时间压缩的处理流程 | 第57页 |
| ·采用时间压缩的处理结果 | 第57-59页 |
| ·左右手动数据的处理 | 第59-63页 |
| ·采用时间压缩的处理流程 | 第59页 |
| ·采用时间压缩的处理结果 | 第59-63页 |
| ·小结 | 第63-64页 |
| 第六章 总结和展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录 | 第69-74页 |
| 攻硕期间取得的成果 | 第74页 |
