摘要 | 第5-7页 |
Abstract | 第7-9页 |
1 绪论 | 第13-30页 |
1.1 选题背景及研究意义 | 第13-14页 |
1.2 磁共振成像技术概述 | 第14-17页 |
1.2.1 磁共振成像 | 第15-16页 |
1.2.2 功能磁共振成像 | 第16-17页 |
1.3 脑图像分割综述 | 第17-23页 |
1.3.1 阈值分割和区域融合法 | 第18页 |
1.3.2 基于聚类的方法 | 第18-19页 |
1.3.3 基于水平集分割方法 | 第19-20页 |
1.3.4 多发性硬化损伤分割 | 第20-22页 |
1.3.5 评价指标 | 第22-23页 |
1.4 脑功能网络构建与分类 | 第23-27页 |
1.4.1 脑功能网络构建 | 第24-25页 |
1.4.2 预测分类 | 第25-26页 |
1.4.3 评价指标 | 第26-27页 |
1.5 本文的主要研究工作 | 第27-30页 |
1.5.1 本文的主要成果及创新点 | 第27-29页 |
1.5.2 本文的内容安排 | 第29-30页 |
2 基于多模态磁共振图像的脑MS白质损伤区域的分割方法 | 第30-44页 |
2.1 引言 | 第30-33页 |
2.2 有监督的白质损伤区域初分割 | 第33-35页 |
2.2.1 逐体素的特征提取 | 第33-34页 |
2.2.2 分类器训练和测试 | 第34-35页 |
2.3 假阳性剔除 | 第35-37页 |
2.4 基于无监督的水平集模型对损伤区域进行最终的演化分割 | 第37-38页 |
2.5 实验结果与分析 | 第38-43页 |
2.5.1 实验数据集与预处理 | 第38-39页 |
2.5.2 分割结果及其与其他分割方法的对比 | 第39-42页 |
2.5.3 对比实验结果分析与讨论 | 第42-43页 |
2.6 本章小结 | 第43-44页 |
3 融合7T MRI图像标签信息与上下文特征的3T脑MRI图像分割 | 第44-59页 |
3.1 引言 | 第44-46页 |
3.2 分割算法 | 第46-50页 |
3.2.1 随机森林算法 | 第47-48页 |
3.2.2 外观和上下文特征 | 第48-50页 |
3.3 实验结果 | 第50-58页 |
3.3.1 实验数据获取和预处理 | 第50页 |
3.3.2 随机森林分类器参数分析 | 第50-53页 |
3.3.3 对比实验结果 | 第53-55页 |
3.3.4 在ADNI数据集上的对比 | 第55-58页 |
3.4 本章小结 | 第58-59页 |
4 基于连接强度加权的稀疏群Lasso脑网络构建及分类 | 第59-79页 |
4.1 引言 | 第59-61页 |
4.2 问题描述以及传统脑网络建模方法 | 第61-63页 |
4.2.1 基于皮尔逊相关性的脑网络构建 | 第61-62页 |
4.2.2 基于偏相关性/稀疏表示的脑网络建模 | 第62-63页 |
4.3 基于连接强度加权的稀疏群Lasso脑网络构建模型 | 第63-70页 |
4.3.1 构建基于连接强度的权重惩罚C_(ij) | 第64-65页 |
4.3.2 基于功能连接强度加权的稀疏脑网络模型 | 第65-66页 |
4.3.3 构建连接的群组结构G_k以及群组权重惩罚d_k | 第66-67页 |
4.3.4 CWSGL脑网络构建模型 | 第67-68页 |
4.3.5 CWSGL模型的树结构化等价描述及求解 | 第68-70页 |
4.3.6 脑功能网络对称化 | 第70页 |
4.4 基于脑功能网络的疾病分类 | 第70-71页 |
4.5 实验结果与分析 | 第71-78页 |
4.5.1 实验数据集与预处理 | 第71页 |
4.5.2 不同方法构建的脑功能网络对比 | 第71-73页 |
4.5.3 轻度认知障碍分类结果 | 第73-75页 |
4.5.4 结果分析与讨论 | 第75-78页 |
4.6 本章小结 | 第78-79页 |
5 结合图正则化与加权稀疏模型的脑网络构建及分类 | 第79-95页 |
5.1 引言 | 第79-80页 |
5.2 结合图正则化与加权稀疏的脑网络构建 | 第80-88页 |
5.2.1 图正则化约束 | 第80-82页 |
5.2.2 结合图正则化与加权稀疏的脑网络构建 | 第82-84页 |
5.2.3 模型求解 | 第84-88页 |
5.2.4 稀疏表示特征选择 | 第88页 |
5.3 实验结果与分析 | 第88-94页 |
5.3.1 轻度认知障碍分类结果 | 第89-91页 |
5.3.2 结果分析与讨论 | 第91-94页 |
5.4 本章小结 | 第94-95页 |
6 总结与展望 | 第95-99页 |
6.1 本论文工作总结 | 第95-97页 |
6.2 未来工作展望 | 第97-99页 |
致谢 | 第99-100页 |
参考文献 | 第100-117页 |
附录 | 第117-118页 |