| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-20页 |
| ·课题来源与背景 | 第10-12页 |
| ·弥散张量成像研究现状及发展趋势 | 第12-15页 |
| ·机器学习在磁共振影像分析中的应用 | 第15-16页 |
| ·脑白质纤维连接的模式分析 | 第16-18页 |
| ·本文主要工作和全文结构安排 | 第18-20页 |
| 第二章 磁共振弥散张量成像原理 | 第20-30页 |
| ·磁共振成像基本原理 | 第20-21页 |
| ·弥散张量成像的基本原理 | 第21-26页 |
| ·Skejestal-Tanner 序列原理 | 第22-23页 |
| ·弥散张量模型 | 第23-24页 |
| ·弥散张量系数计算 | 第24-26页 |
| ·脑白质纤维追踪基本原理 | 第26-29页 |
| ·确定性纤维追踪算法 | 第27页 |
| ·概率性纤维追踪算法 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 脑白质纤维连接构建和分数各向异性值统计分析 | 第30-46页 |
| ·脑区分割与弥散张量数据预处理 | 第31-35页 |
| ·数据描述 | 第31页 |
| ·脑区分割 | 第31-33页 |
| ·图像的预处理 | 第33-35页 |
| ·弥散张量成像的脑白质纤维追踪 | 第35-44页 |
| ·弥散张量成像图像处理中的贝叶斯张量模型介绍 | 第35-38页 |
| ·脑白质纤维追踪重构 | 第38-41页 |
| ·对分数各向异性值的统计分析 | 第41-44页 |
| ·本章小结 | 第44-46页 |
| 第四章 弥散张量成像的脑白质纤维连接模式分析 | 第46-60页 |
| ·机器学习及统计方法介绍 | 第46-53页 |
| ·局部线性嵌入算法 | 第46-49页 |
| ·支持向量机 | 第49-52页 |
| ·交叉验证法 | 第52-53页 |
| ·置换检验 | 第53页 |
| ·脑白质纤维连接的模式分析 | 第53-59页 |
| ·特征提取 | 第53-54页 |
| ·模式识别及统计检验 | 第54-55页 |
| ·特征分析 | 第55-58页 |
| ·讨论 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-64页 |
| ·工作总结 | 第60-61页 |
| ·未来工作展望 | 第61-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 作者在学期间取得的学术成果 | 第72页 |
| 作者在学期间参与的主要科研工作 | 第72页 |