| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 阿尔兹海默病和轻度认知障碍 | 第8-9页 |
| 1.2 FDG-PET医学影像概述 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.4 本文的主要内容和研究意义 | 第12-13页 |
| 1.5 本文文章结构 | 第13-15页 |
| 第二章 FDG-PET数据预处理及统计分析 | 第15-22页 |
| 2.1 研究材料和方法 | 第15-18页 |
| 2.1.1 ADNI | 第15页 |
| 2.1.2 研究对象 | 第15-16页 |
| 2.1.3 数据获取及预处理 | 第16-18页 |
| 2.1.4 统计实验方法 | 第18页 |
| 2.2 实验结果 | 第18-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 个体代谢脑网络的构建 | 第22-34页 |
| 3.1 复杂网络 | 第22-24页 |
| 3.1.1 小世界属性 | 第23-24页 |
| 3.1.2 节点中介值和Hub节点 | 第24页 |
| 3.1.3 节点的度 | 第24页 |
| 3.2 脑网络构建 | 第24-27页 |
| 3.2.1 脑网络研究 | 第24-25页 |
| 3.2.2 脑网络构建方法 | 第25-26页 |
| 3.2.3 脑区划分 | 第26-27页 |
| 3.3 本文个体代谢脑网络的构建 | 第27-28页 |
| 3.4 实验结果 | 第28-32页 |
| 3.4.1 网络差异 | 第28-30页 |
| 3.4.2 小世界属性分析 | 第30-31页 |
| 3.4.3 网络Hub分析 | 第31-32页 |
| 3.5 本章小结 | 第32-34页 |
| 第四章 基于纵向FDG-PET数据的MCI转化预测 | 第34-40页 |
| 4.1 FDG-PET图像特征提取 | 第34页 |
| 4.2 特征选择 | 第34-35页 |
| 4.2.1 Lasso | 第35页 |
| 4.2.2 F-score | 第35页 |
| 4.3 支持向量机和留一交叉验证 | 第35-36页 |
| 4.4 分类结果 | 第36-38页 |
| 4.5 本章小结 | 第38-40页 |
| 第五章 总结与展望 | 第40-42页 |
| 5.1 工作总结 | 第40-41页 |
| 5.2 工作展望 | 第41-42页 |
| 参考文献 | 第42-47页 |
| 在学期间研究成果 | 第47-48页 |
| 致谢 | 第48页 |