摘要 | 第4-5页 |
Abstract | 第5页 |
1 绪论 | 第9-12页 |
1.1 研究背景及意义 | 第9-10页 |
1.2 主要研究工作 | 第10-12页 |
2 功能磁共振成像信号(fMRI)数据与组分析简述 | 第12-20页 |
2.1 fMRI数据介绍 | 第12-13页 |
2.1.1 功能磁共振成像采集原理 | 第12页 |
2.1.2 fMRI数据的分类 | 第12-13页 |
2.2 IVA算法 | 第13-18页 |
2.2.1 IVA-L算法 | 第14-15页 |
2.2.2 IVA-G算法 | 第15-17页 |
2.2.3 IVA-GL算法 | 第17页 |
2.2.4 现有IVA算法在fMRI组分析中存在的问题 | 第17-18页 |
2.3 Group-ICA算法 | 第18-20页 |
3 自适应IVA算法 | 第20-33页 |
3.1 自适应IVA算法的提出背景 | 第20页 |
3.2 自适应IVA算法原理 | 第20-22页 |
3.2.1 EP多维密度模型的参数的自适应选择 | 第20-22页 |
3.2.2 二阶统计信息和高阶统计信息的综合利用 | 第22页 |
3.2.3 自适应IVA算法的优势 | 第22页 |
3.3 IVA算法的仿真fMRI数据结果与分析 | 第22-28页 |
3.3.1 SimTB工具箱介绍与fMRI仿真数据生成 | 第22-24页 |
3.3.2 自适应IVA的性能分析 | 第24-25页 |
3.3.3 自适应IVA算法消除模糊性性能分析 | 第25-28页 |
3.4 IVA算法的实际fMRI数据结果与分析 | 第28-32页 |
3.4.1 多被试fMRI数据介绍 | 第28-29页 |
3.4.2 幅值fMRI实验结果与组分析 | 第29-32页 |
3.5 本章小结 | 第32-33页 |
4 加入稳定性量度的复数IVA-L算法 | 第33-44页 |
4.1 加入稳定性量度的复数IVA算法背景 | 第33-34页 |
4.2 加入稳定性量度的复数IVA-L算法 | 第34-36页 |
4.2.1 实数IVA-L算法向复数域的拓展 | 第34页 |
4.2.2 稳定性量度方法 | 第34-35页 |
4.2.3 改进IVA算法的优势 | 第35-36页 |
4.3 仿真实验与结果分析 | 第36-40页 |
4.3.1 复数仿真信号介绍 | 第36-37页 |
4.3.2 仿真结果与分析 | 第37-40页 |
4.4 实际复数fMRI实验与组分析 | 第40-43页 |
4.4.1 多被试复数fMRI数据介绍 | 第40页 |
4.4.2 结果与组分析 | 第40-43页 |
4.5 本章小结 | 第43-44页 |
5 加入相位校正的复数Group-ICA算法 | 第44-56页 |
5.1 相位校正原理 | 第44-46页 |
5.2 加入相位校正的Group-ICA算法 | 第46-47页 |
5.2.1 加入相位校正的Group-ICA算法的原理 | 第46页 |
5.2.2 加入相位校正的EBM算法 | 第46-47页 |
5.2.3 加入相位校正的nocFastICA算法 | 第47页 |
5.3 Group-ICA复数算法的仿真实验 | 第47-53页 |
5.3.1 复数仿真数据介绍 | 第48页 |
5.3.2 复数仿真实验结果与组分析 | 第48-53页 |
5.4 实际fMRI数据组分析结果比较 | 第53-55页 |
5.4.1 改进的算法对相位的影响 | 第53-54页 |
5.4.2 改进后算法的分离性能分析 | 第54-55页 |
5.5 本章小结 | 第55-56页 |
6 基于fMRI数据的功能连接的组分析 | 第56-64页 |
6.1 功能连接 | 第56-59页 |
6.1.1 FC原理 | 第56-58页 |
6.1.2 FNC原理 | 第58-59页 |
6.2 基于不同IVA算法功能连接分析 | 第59-62页 |
6.2.1 组相关性分析 | 第59-60页 |
6.2.2 独立成分的相关性分析 | 第60-62页 |
6.3 基于IVA和Group-ICA算法的功能连接分析 | 第62-63页 |
6.3.1 单被试相关分析 | 第62页 |
6.3.2 组相关分析 | 第62-63页 |
6.4 本章总结 | 第63-64页 |
结论 | 第64-66页 |
参考文献 | 第66-71页 |
攻读硕士学位期间发表学术论文情况 | 第71-72页 |
致谢 | 第72-73页 |