| 摘要 | 第3-6页 |
| ABSTRACT | 第6-8页 |
| 主要符号说明 | 第12-14页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-21页 |
| 1.2.1 静息态功能脑网络的构建及分析 | 第16-18页 |
| 1.2.2 功能脑网络数学建模的应用研究 | 第18-20页 |
| 1.2.3 复杂网络中链路预测方法 | 第20-21页 |
| 1.3 本文主要创新工作 | 第21-22页 |
| 1.4 本文章节的组织结构安排 | 第22-23页 |
| 1.5 本章小结 | 第23-24页 |
| 第二章 静息态功能脑网络构建 | 第24-38页 |
| 2.1 被试的选取 | 第24页 |
| 2.2 数据采集及预处理 | 第24-27页 |
| 2.2.1 数据采集 | 第24-25页 |
| 2.2.2 数据预处理 | 第25-27页 |
| 2.3 构建功能脑网络 | 第27-35页 |
| 2.3.1 节点的确定 | 第27-29页 |
| 2.3.2 边的确定 | 第29-30页 |
| 2.3.3 阈值的确定 | 第30-31页 |
| 2.3.4 不同规模的节点确定 | 第31-35页 |
| 2.4 脑网络构建结果 | 第35页 |
| 2.5 本章小结 | 第35-38页 |
| 第三章 基于局部信息的功能脑网络建模 | 第38-64页 |
| 3.1 LI&AD功能脑网络模型 | 第38-47页 |
| 3.1.1 LI&AD功能脑网络模型构建方法 | 第39-42页 |
| 3.1.2 解剖距离 | 第42-43页 |
| 3.1.3 局部信息指标 | 第43-47页 |
| 3.2 模型性能评价 | 第47-54页 |
| 3.2.1 网络拓扑属性指标 | 第47-52页 |
| 3.2.2 网络模型相似指标E值 | 第52-53页 |
| 3.2.3 Prediction Power指标 | 第53-54页 |
| 3.3 LIAD模型评价结果 | 第54-62页 |
| 3.3.1 基于局部信息指标的建模比较 | 第54-58页 |
| 3.3.2 各种网络模型Prediction Power指标的比较 | 第58-60页 |
| 3.3.3 总体评价 | 第60-62页 |
| 3.4 本章小结 | 第62-64页 |
| 第四章 基于层次结构模型的功能脑网络建模 | 第64-78页 |
| 4.1 层次结构模型 | 第64-65页 |
| 4.2 层次结构模型的应用 | 第65-66页 |
| 4.3 脑网络模块化分析 | 第66-70页 |
| 4.3.1 模块的划分算法 | 第67页 |
| 4.3.2 模块化的指标 | 第67-68页 |
| 4.3.3 模块划分结果分析 | 第68-70页 |
| 4.4 脑网络层次结构模型 | 第70-72页 |
| 4.5 模型性能评价 | 第72页 |
| 4.6 模型评价结果 | 第72-77页 |
| 4.6.1 最优层次结构模型的最大似然估计值 | 第72-75页 |
| 4.6.2 层次结构模型在不同网络中的比较 | 第75-76页 |
| 4.6.3 不同链路预测算法在脑网络中的比较 | 第76-77页 |
| 4.7 本章小结 | 第77-78页 |
| 第五章 基于随机分块模型的脑网络可信度优化 | 第78-90页 |
| 5.1 功能脑网络可信度分析 | 第78-79页 |
| 5.2 基于链路预测的网络连接评价 | 第79-80页 |
| 5.3 随机分块模型 | 第80-83页 |
| 5.4 脑网络构建质量控制 | 第83-85页 |
| 5.4.1 脑网络连接可信度 | 第83-84页 |
| 5.4.2 脑网络重构 | 第84-85页 |
| 5.5 评价结果分析 | 第85-88页 |
| 5.5.1 重构方法验证 | 第85-87页 |
| 5.5.2 网络连通性分析 | 第87-88页 |
| 5.6 本章小结 | 第88-90页 |
| 第六章 总结与展望 | 第90-94页 |
| 6.1 总结 | 第90-91页 |
| 6.2 展望 | 第91-94页 |
| 参考文献 | 第94-110页 |
| 附录 1：被试基本信息统计表 | 第110-111页 |
| 附录 2：AAL 模板脑区定义中英文名称 | 第111-114页 |
| 附录 3：AAL模板脑区MNI坐标 | 第114-118页 |
| 致谢 | 第118-120页 |
| 攻读博士学位期间已发表和录用的学术论文 | 第120-121页 |
| 攻读学位期间主持和参与的科研项目 | 第121-122页 |