| 中文摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 引言 | 第11-12页 |
| 1.2 大脑的解剖结构 | 第12-15页 |
| 1.3 结构磁共振成像原理 | 第15-16页 |
| 1.4 脑结构网络方法学及研究现状 | 第16-19页 |
| 1.5 本文的主要贡献及组织结构 | 第19-21页 |
| 第二章 研究方法及理论基础 | 第21-40页 |
| 2.1 大脑的形态学分析 | 第21-24页 |
| 2.1.1 基于曲面的形态测量分析 | 第21-23页 |
| 2.1.2 基于体素的形态测量分析 | 第23-24页 |
| 2.2 脑网络分析 | 第24-28页 |
| 2.2.1 节点和边的定义 | 第24-25页 |
| 2.2.2 网络的拓扑属性 | 第25-27页 |
| 2.2.3 模块化 | 第27页 |
| 2.2.4 中心节点(hub) | 第27-28页 |
| 2.3 机器学习算法 | 第28-36页 |
| 2.3.1 稀疏学习 | 第30-31页 |
| 2.3.2 最大相关最小冗余(mRMR) | 第31-33页 |
| 2.3.3 基于支持向量机的递归特征消除法(SVM-RFE) | 第33-34页 |
| 2.3.3 支持向量机(SVM) | 第34-36页 |
| 2.4 统计分析方法 | 第36-39页 |
| 2.4.1 T检验 | 第36-37页 |
| 2.4.2 相关系数 | 第37页 |
| 2.4.3 卡方检验 | 第37-38页 |
| 2.4.4 置换检验 | 第38页 |
| 2.4.5 多重比较校正 | 第38-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第三章 基于多尺度结构差异的脑连接量化方法研究 | 第40-54页 |
| 3.1 研究背景 | 第40页 |
| 3.2 研究方法 | 第40-43页 |
| 3.2.1 图像预处理 | 第40-41页 |
| 3.2.2 结构连接提取 | 第41-42页 |
| 3.2.3 特征选择及分类算法 | 第42-43页 |
| 3.3 实验分析 | 第43-52页 |
| 3.3.1 实验一阿茨海默症和轻度认知障碍患者的诊断研究 | 第44-48页 |
| 3.3.2 实验二轻度认知障碍患者的转化预测研究 | 第48-50页 |
| 3.3.3 实验三不同差异性和相关性计算函数的比较 | 第50-52页 |
| 3.4 结果讨论 | 第52-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 基于多结构特征的脑连接量化方法研究 | 第54-80页 |
| 4.1 研究背景 | 第54页 |
| 4.2 研究方法 | 第54-57页 |
| 4.2.1 基于多特征的结构连接量化方法 | 第54-56页 |
| 4.2.2 基于图论分析的网络属性提取 | 第56-57页 |
| 4.3 实验分析 | 第57-79页 |
| 4.3.1 实验一阿茨海默症和轻度认知障碍患者的诊断研究 | 第57-63页 |
| 4.3.2 实验二阿茨海默症和轻度认知障碍患者的连接模式研究 | 第63-69页 |
| 4.3.3 实验三成年自闭症患者的连接模式及辅助诊断研究 | 第69-79页 |
| 4.4 本章小结 | 第79-80页 |
| 第五章 基于结构连接量化方法的疼痛机制挖掘及预测研究 | 第80-97页 |
| 5.1 研究背景 | 第80-81页 |
| 5.2 图像处理 | 第81-82页 |
| 5.3 实验分析 | 第82-96页 |
| 5.3.1 实验一疼痛诱发的脑功能网络变化模式研究 | 第82-94页 |
| 5.3.2 实验二基于连接模式的刺激水平判别研究 | 第94-96页 |
| 5.4 本章小结 | 第96-97页 |
| 第六章 总结与展望 | 第97-99页 |
| 6.1 本文工作总结 | 第97-98页 |
| 6.2 未来研究展望 | 第98-99页 |
| 参考文献 | 第99-112页 |
| 在学期间的研究成果 | 第112-115页 |
| 致谢 | 第115-117页 |
| 附录 ：脑区中英文对照表 | 第117-118页 |
