基于脑功能连接和深度学习的自闭症分类研究
| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题研究背景及意义 | 第9-12页 |
| 1.2 课题研究现状 | 第12-16页 |
| 1.2.1 自闭症诊断的研究现状 | 第12-14页 |
| 1.2.2 脑功能连接的研究现状 | 第14-15页 |
| 1.2.3 深度学习的研究现状 | 第15-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 论文结构安排 | 第17-18页 |
| 第2章 rs-fMRI数据的采集及预处理 | 第18-24页 |
| 2.1 rs-fMRI数据的采集 | 第18-20页 |
| 2.2 rs-fMRI数据的预处理 | 第20-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 脑功能连接的分析方法和实现 | 第24-34页 |
| 3.1 脑功能连接的概念 | 第24页 |
| 3.2 脑功能连接的分析方法 | 第24-29页 |
| 3.2.1 概述 | 第24-25页 |
| 3.2.2 相关分析 | 第25-27页 |
| 3.2.3 种子点相关分析 | 第27-28页 |
| 3.2.4 全脑相关分析 | 第28-29页 |
| 3.3 脑功能连接的实现 | 第29-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 基于深度学习的自闭症分类方法 | 第34-47页 |
| 4.1 传统神经网络 | 第34-36页 |
| 4.2 深度学习简介 | 第36-37页 |
| 4.2.1 深度学习的思想 | 第36页 |
| 4.2.2 深度学习的模型 | 第36-37页 |
| 4.3 堆栈自编码模型结构 | 第37-45页 |
| 4.3.1 自编码器 | 第37-39页 |
| 4.3.2 稀疏自编码 | 第39-41页 |
| 4.3.3 堆栈自编码 | 第41-45页 |
| 4.4 基于深度学习的自闭症分类方法系统设计 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 自闭症分类实验研究 | 第47-53页 |
| 5.1 系统性能评估方法 | 第47页 |
| 5.2 交叉验证 | 第47-49页 |
| 5.2.1 交叉验证的方法 | 第47-48页 |
| 5.2.2 实验结果与分析 | 第48-49页 |
| 5.3 Dropout的理解与实现 | 第49-52页 |
| 5.3.1 Dropout的概念 | 第49-50页 |
| 5.3.2 Dropout算法 | 第50-51页 |
| 5.3.3 实验结果与分析 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 攻读学位期间的研究成果 | 第61页 |
