基于磁共振影像脑疾病分类的模式识别方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 磁共振影像的应用意义 | 第10-11页 |
| 1.2 脑疾病模式识别的研究现状 | 第11-12页 |
| 1.3 本文的主要贡献与创新 | 第12-13页 |
| 1.4 本论文的结构安排 | 第13-14页 |
| 第二章 核磁共振成像与模式识别基础 | 第14-22页 |
| 2.1 结构像与功能像模态的原理与分析 | 第14-18页 |
| 2.1.1 T1结构磁共振成像 | 第14-15页 |
| 2.1.2 BOLD功能磁共振成像 | 第15-18页 |
| 2.2 模式识别典型方法的基本原理 | 第18-21页 |
| 2.2.1 线性判别与最优分类面 | 第18页 |
| 2.2.2 k近邻分类器 | 第18页 |
| 2.2.3 支持向量机 | 第18-19页 |
| 2.2.4 决策树 | 第19-20页 |
| 2.2.5 集成分类器 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 精神分裂症结构磁共振影像分类研究 | 第22-31页 |
| 3.1 单变量分析方法的局限 | 第22-23页 |
| 3.2 数据收集与采集 | 第23-24页 |
| 3.2.1 多中心精神分裂症结构磁共振数据 | 第23页 |
| 3.2.2 单中心下多疾病结构磁共振数据 | 第23-24页 |
| 3.3 数据预处理方法 | 第24-25页 |
| 3.4 模式合成与分类 | 第25-28页 |
| 3.5 多中心数据分类的实际效果 | 第28-29页 |
| 3.6 与其他疾病数据分类的实际效果 | 第29页 |
| 3.7 MVPA应用分析 | 第29-30页 |
| 3.8 本章小结 | 第30-31页 |
| 第四章 特征提取的应用与随机结构稀疏算法 | 第31-47页 |
| 4.1 磁共振脑影像中的特征提取问题 | 第31-37页 |
| 4.1.1 磁共振脑影像中的特征选择 | 第31-32页 |
| 4.1.2 磁共振脑影像中的稀疏优化模型 | 第32-33页 |
| 4.1.3 稀疏回归LASSO算法 | 第33-34页 |
| 4.1.4 磁共振脑影像进行降维的其他方法与应用 | 第34-35页 |
| 4.1.5 脑图谱分区和聚类分析 | 第35-37页 |
| 4.2 基于稀疏模型的磁共振脑影像特征提取技术 | 第37-40页 |
| 4.2.1 结构稀疏设计及其算法 | 第37-39页 |
| 4.2.2 随机化子采样设计及其算法 | 第39-40页 |
| 4.3 随机结构稀疏算法 | 第40-42页 |
| 4.3.1 算法原理 | 第40页 |
| 4.3.2 算法设计与流程 | 第40-42页 |
| 4.4 Haxby真实数据实验 | 第42-45页 |
| 4.5 仿真功能数据实验 | 第45-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 帕金森氏症病征差异区域提取 | 第47-54页 |
| 5.1 数据来源与扫描参数 | 第47页 |
| 5.2 数据处理与计算指标 | 第47-48页 |
| 5.3 基于RSS的帕金森症多亚型差异特征提取 | 第48-51页 |
| 5.3.1 差异特征提取结果 | 第48-50页 |
| 5.3.2 结果讨论 | 第50-51页 |
| 5.4 帕金森氏病功能网络分析 | 第51-53页 |
| 5.4.1 功能网络差异特征分析结果 | 第51-52页 |
| 5.4.2 功能网络分析效果讨论 | 第52-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第六章 全文总结与展望 | 第54-57页 |
| 6.1 全文总结 | 第54-56页 |
| 6.2 后续工作展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间取得的成果 | 第63-64页 |
