| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第13-22页 |
| 1.1 脑成像概述 | 第13-14页 |
| 1.2 多模态核磁共振成像 | 第14-16页 |
| 1.3 多模态MRI数据分析方法概论 | 第16-19页 |
| 1.4 肥胖以及减肥手术对脑部的影响 | 第19-20页 |
| 1.5 本文的研究内容及主要贡献 | 第20-21页 |
| 1.6 本文组织结构 | 第21-22页 |
| 第2章 各模态单独分析方法研究 | 第22-32页 |
| 2.1 引言 | 第22-23页 |
| 2.2 材料和方法 | 第23-26页 |
| 2.2.1 被试 | 第23-24页 |
| 2.2.2 代谢变量参数获取 | 第24页 |
| 2.2.3 MRI数据的获取 | 第24-25页 |
| 2.2.4 数据处理 | 第25-26页 |
| 2.3 结果 | 第26-29页 |
| 2.4 讨论 | 第29-32页 |
| 第3章 Parallel-ICA处理多模态数据的方法研究 | 第32-40页 |
| 3.1 引言 | 第32-33页 |
| 3.2 材料和方法 | 第33-35页 |
| 3.2.1 Parallel-ICA算法 | 第33页 |
| 3.2.2 核磁共振数据 | 第33-34页 |
| 3.2.3 数据处理 | 第34-35页 |
| 3.3 结果 | 第35-38页 |
| 3.4 讨论 | 第38-40页 |
| 第4章 多模态数据处理方法学的建立及应用 | 第40-82页 |
| 4.1 引言 | 第40-41页 |
| 4.2 信号的非负盲源分离算法研究 | 第41-68页 |
| 4.2.1 非负矩阵分解(NMF)算法 | 第42-48页 |
| 4.2.2 非负独立成分分解(non-negative ICA)算法 | 第48-68页 |
| 4.3 随机森林算法 | 第68-70页 |
| 4.4 基于随机森林算法对非负分解的多模态核磁信号分析 | 第70-82页 |
| 4.4.1 材料和方法 | 第71-73页 |
| 4.4.2 结果 | 第73-79页 |
| 4.4.3 讨论 | 第79-82页 |
| 第5章 结论 | 第82-85页 |
| 5.1 工作总结 | 第82-83页 |
| 5.2 本文工作展望 | 第83-85页 |
| 参考文献 | 第85-94页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第94-96页 |
| 个人简历 | 第94页 |
| 发表的学术论文 | 第94-96页 |
| 致谢 | 第96页 |
