全脑尺度神经元群落追踪若干方法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-22页 |
| 1.1 神经元群落追踪的意义 | 第11-12页 |
| 1.2 全脑神经元群落追踪的数据基础 | 第12-14页 |
| 1.3 全脑神经元群落追踪是研究趋势 | 第14-15页 |
| 1.4 神经元群落追踪工具的研究现状概述 | 第15-18页 |
| 1.5 全脑神经元群落追踪面临的挑战 | 第18-19页 |
| 1.6 本文研究主要内容 | 第19-22页 |
| 2 局部密集神经元群落追踪 | 第22-51页 |
| 2.1 局部密集神经元群落追踪介绍 | 第22页 |
| 2.2 局部密集神经元群落追踪流程与困难 | 第22-26页 |
| 2.3 神经纤维形态构建方法 | 第26页 |
| 2.4 快速虚假连接筛除方法 | 第26-29页 |
| 2.5 神经元群落图论分割算法 | 第29-35页 |
| 2.6 选择性显示修订 | 第35-38页 |
| 2.7 结果分析与讨论 | 第38-49页 |
| 2.8 本章小结 | 第49-51页 |
| 3 全脑尺度神经元群落追踪 | 第51-65页 |
| 3.1 全脑尺度神经元群落追踪概述 | 第51-53页 |
| 3.2 全脑尺度神经图像大数据框架 | 第53-55页 |
| 3.3 全脑尺度神经元追踪方法 | 第55-59页 |
| 3.4 结果分析与讨论 | 第59-64页 |
| 3.5 本章小结 | 第64-65页 |
| 4 全脑尺度神经元群落校订 | 第65-87页 |
| 4.1 全脑尺度神经元群落校订概述 | 第65-67页 |
| 4.2 全脑高速在线校订方法 | 第67-72页 |
| 4.3 基于哈希思想的多神经元在线整合方法 | 第72-80页 |
| 4.4 结果分析与讨论 | 第80-86页 |
| 4.5 本章小结 | 第86-87页 |
| 5 全脑神经元群落追踪平台GTree的构建 | 第87-105页 |
| 5.1 概述 | 第87页 |
| 5.2 全脑神经元群落追踪平台结构 | 第87-90页 |
| 5.3 全脑神经元群落追踪平台其他功能 | 第90-95页 |
| 5.4 全脑神经元群落追踪平台功能实例 | 第95-101页 |
| 5.5 全脑神经元群落追踪平台典型应用 | 第101-104页 |
| 5.6 本章小结 | 第104-105页 |
| 6 总结与展望 | 第105-110页 |
| 6.1 本文的主要工作和研究结论 | 第105-106页 |
| 6.2 本文主要创新点 | 第106-108页 |
| 6.3 展望 | 第108-110页 |
| 致谢 | 第110-112页 |
| 参考文献 | 第112-122页 |
| 附录 攻读博士学位期间发表的论文及研究成果 | 第122-124页 |
