| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 引言 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要内容 | 第12-13页 |
| 1.4 本文文章结构 | 第13-15页 |
| 2 相关方法基本原理 | 第15-27页 |
| 2.1 医学影像特征压缩方法 | 第15-20页 |
| 2.1.1 特征提取 | 第15-17页 |
| 2.1.2 特征选择 | 第17-20页 |
| 2.2 分类回归算法 | 第20-24页 |
| 2.2.1 支持向量机 | 第20-22页 |
| 2.2.2 支持向量回归 | 第22-24页 |
| 2.3 评价性准则 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 基于可分性距离判据和SVR的AD症脑部病理年龄检测算法 | 第27-49页 |
| 3.1 与传统脑年龄检测算法的差别 | 第27-28页 |
| 3.1.1 评价准则的差异 | 第27-28页 |
| 3.1.2 数据划分的差异 | 第28页 |
| 3.2 AD_Path_brainAge_estima检测算法 | 第28-31页 |
| 3.2.1 基于可分性距离判据和SVR的脑部年龄检测模型 | 第29-30页 |
| 3.2.2 基于可分性距离判据的适应度函数 | 第30-31页 |
| 3.3 AD_BrainAge_estima检测算法 | 第31-33页 |
| 3.4 实验结果分析 | 第33-48页 |
| 3.4.1 实验数据和条件 | 第33-34页 |
| 3.4.2 不同核函数下的脑部病理年龄检测 | 第34-36页 |
| 3.4.3 数据平衡性对脑部病理年龄检测结果的影响 | 第36-37页 |
| 3.4.4 不同类别样本病理年龄估计 | 第37-42页 |
| 3.4.5 测试集样本脑年龄可分性的可视化分析 | 第42-48页 |
| 3.5 本章小结 | 第48-49页 |
| 4 基于核回归方法和特征压缩的SIVD脑部年龄检测算法 | 第49-75页 |
| 4.1 数据来源 | 第49-53页 |
| 4.2 SIVD_BrainAge_estima检测算法 | 第53-55页 |
| 4.2.1 MR图像的采集和预处理 | 第53页 |
| 4.2.2 SIVD_BrainAge_estima算法流程 | 第53-55页 |
| 4.3 传统脑部年龄检测结果分析 | 第55-69页 |
| 4.3.1 年龄检测结果 | 第55-59页 |
| 4.3.2 特征压缩以及核函数的影响 | 第59-64页 |
| 4.3.3 VCI患者脑部年龄检测 | 第64-65页 |
| 4.3.4 测试样本脑部年龄可分性分析 | 第65-69页 |
| 4.4 基于可分性距离判据和SVR的SIVD症的混合式脑部病理年龄检测算法 | 第69-73页 |
| 4.4.1 SIVD_Path_brainAge_estima算法 | 第69-70页 |
| 4.4.2 脑部病理年龄检测结果 | 第70-71页 |
| 4.4.3 实测脑部病理年龄的可分性提升 | 第71-73页 |
| 4.4.4 实测脑年龄的统计分析 | 第73页 |
| 4.5 本章小结 | 第73-75页 |
| 5 总结与展望 | 第75-77页 |
| 5.1 论文总结 | 第75-76页 |
| 5.2 展望 | 第76-77页 |
| 致谢 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 附录 | 第85页 |
| A作者在攻读学位期间取得的科研成果 | 第85页 |
| B作者在攻读学位期间参与的科研项目 | 第85页 |
