| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 DTI脑网络构建和分割模板的研究 | 第11-14页 |
| 1.2.2 DTI脑网络中的hub节点及其识别的研究 | 第14-15页 |
| 1.2.3 DTI脑连接组小世界属性评估指标的研究 | 第15-16页 |
| 1.3 本文主要研究内容及章节安排 | 第16-18页 |
| 第2章 分割模板对DTI脑连接组分析影响的研究 | 第18-36页 |
| 2.1 引言 | 第18-19页 |
| 2.2 分割模板 | 第19-21页 |
| 2.3 DTI脑连接组的构建 | 第21-23页 |
| 2.3.1 研究对象和数据来源 | 第21-22页 |
| 2.3.2 DTI脑网络的构建 | 第22-23页 |
| 2.4 脑网络特征参数 | 第23-25页 |
| 2.5 研究结果 | 第25-32页 |
| 2.5.1 随机分割型脑网络之间网络特征的差异 | 第25-28页 |
| 2.5.2 解剖型与随机分割型脑网络特征的差异 | 第28-31页 |
| 2.5.3 分割模板对脑网络全局参数敏感性的研究 | 第31-32页 |
| 2.6 讨论 | 第32-34页 |
| 2.7 本章小结 | 第34-36页 |
| 第3章 DTI脑网络中hub识别的研究 | 第36-54页 |
| 3.1 引言 | 第36页 |
| 3.2 Hub识别 | 第36-42页 |
| 3.2.1 Hub识别方法 | 第37-38页 |
| 3.2.2 脑网络中节点的排序 | 第38-42页 |
| 3.2.3 Hub识别阈值 | 第42页 |
| 3.3 识别方法的相关性研究 | 第42-43页 |
| 3.4 Hub分类 | 第43-44页 |
| 3.4.1 Provincial hub和connector hub的计算 | 第43-44页 |
| 3.4.2 识别参数在hub分类识别中的计算 | 第44页 |
| 3.5 研究结果 | 第44-50页 |
| 3.5.1 识别方法与脑网络类型对hub识别结果的影响 | 第44-45页 |
| 3.5.2 识别阈值与网络类型对于hub识别结果的影响 | 第45-46页 |
| 3.5.3 识别方法的整体比较 | 第46-48页 |
| 3.5.4 Hub分类 | 第48-50页 |
| 3.6 讨论 | 第50-52页 |
| 3.7 本章小结 | 第52-54页 |
| 第4章 DTI脑连接组小世界属性评估指标的研究 | 第54-70页 |
| 4.1 引言 | 第54-57页 |
| 4.2 小世界属性的评估指标 | 第57-59页 |
| 4.3 小世界属性评估的新指标 | 第59-60页 |
| 4.3.1 评估新指标的定义 | 第59-60页 |
| 4.3.2 小世界网络的仿真 | 第60页 |
| 4.4 研究成果 | 第60-68页 |
| 4.4.1 标准化网络效率对DTI脑网络的评估 | 第60-62页 |
| 4.4.2 标准化网络效率对仿真随机化脑网络的评估 | 第62-64页 |
| 4.4.3 标准化网络效率对仿真失连接脑网络的评估 | 第64-66页 |
| 4.4.4 标准化网络效率在大脑认知能力评估中的应用 | 第66-68页 |
| 4.5 讨论 | 第68-69页 |
| 4.6 本章小结 | 第69-70页 |
| 结论与展望 | 第70-72页 |
| 参考文献 | 第72-80页 |
| 攻读硕士学位期间所发表的学术论文 | 第80-82页 |
| 致谢 | 第82页 |
