基于多变量模式分析的fMRI解码与应用研究
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第13-24页 |
| 1.1 研究背景和意义 | 第13-16页 |
| 1.2 多变量模式分析方法研究现状 | 第16-18页 |
| 1.3 多变量模式分析方法的主要流程 | 第18-22页 |
| 1.3.1 数据预处理 | 第18-19页 |
| 1.3.2 特征选择 | 第19-20页 |
| 1.3.3 分类器的选择与训练 | 第20-21页 |
| 1.3.4 泛化测试 | 第21-22页 |
| 1.4 本文的选题和研究内容 | 第22-23页 |
| 1.5 论文组织结构 | 第23-24页 |
| 第二章 基于正交匹配追踪的特征选择算法 | 第24-35页 |
| 2.1 引言 | 第24-25页 |
| 2.2 方法 | 第25-29页 |
| 2.2.1 稀疏表示 | 第25-26页 |
| 2.2.2 稀疏表示求解算法 | 第26-27页 |
| 2.2.3 基于稀疏表示的体素选择算法 | 第27-29页 |
| 2.3 数据实验 | 第29-30页 |
| 2.4 实验结果与分析 | 第30-34页 |
| 2.4.1 算法的收敛性 | 第30-31页 |
| 2.4.2 权重的稀疏性 | 第31-32页 |
| 2.4.3 预测结果与分析 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于稀疏表示的解码与模式定位 | 第35-50页 |
| 3.1 引言 | 第35-36页 |
| 3.2 方法 | 第36-40页 |
| 3.2.1 特征选择与解码 | 第36-39页 |
| 3.2.2 类别特异性任务的模式定位 | 第39-40页 |
| 3.3 数据实验 | 第40-43页 |
| 3.3.1 被试 | 第40-41页 |
| 3.3.2 实验刺激与实验范式 | 第41-42页 |
| 3.3.3 数据采集与预处理 | 第42-43页 |
| 3.3.4 交叉验证 | 第43页 |
| 3.4 结果与分析 | 第43-46页 |
| 3.4.1 解码准确率 | 第43-45页 |
| 3.4.2 模式定位 | 第45-46页 |
| 3.5 讨论 | 第46-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 MVPA方法在fMRI数据分析中的应用 | 第50-72页 |
| 4.1 引言 | 第50-51页 |
| 4.2 方法 | 第51-54页 |
| 4.2.1 基于探照灯的体素选择 | 第51-52页 |
| 4.2.2 基于SVM的模式分类 | 第52页 |
| 4.2.3 可重复性指标计算 | 第52-53页 |
| 4.2.4 置换检验 | 第53-54页 |
| 4.2.5 有效连接 | 第54页 |
| 4.3 数据描述 | 第54-58页 |
| 4.4 结果与讨论 | 第58-70页 |
| 4.4.1 解码准确率 | 第59-60页 |
| 4.4.2 可重复性指标 | 第60-62页 |
| 4.4.3 感兴趣区 | 第62-63页 |
| 4.4.4 多模态脑区定位 | 第63-68页 |
| 4.4.5 有效连接分析 | 第68-70页 |
| 4.5 本章总结 | 第70-72页 |
| 第五章 基于有效连接的人脸—姓名对识别研究 | 第72-89页 |
| 5.1 引言 | 第72-73页 |
| 5.2 材料与方法 | 第73-80页 |
| 5.2.1 被试 | 第73-74页 |
| 5.2.2 实验刺激与实验范式 | 第74-75页 |
| 5.2.3 扫描参数 | 第75页 |
| 5.2.4 数据处理与分析 | 第75-80页 |
| 5.3 结果 | 第80-85页 |
| 5.3.1 解码准确率 | 第80-81页 |
| 5.3.2 一致性特征 | 第81-83页 |
| 5.3.3 任务特异性网络 | 第83-85页 |
| 5.4 讨论 | 第85-88页 |
| 5.4.1 对语义熟悉度的有效解码 | 第85-86页 |
| 5.4.2 具有高区分能力的脑区 | 第86-87页 |
| 5.4.3 任务特异性网络 | 第87-88页 |
| 5.5 本章总结 | 第88-89页 |
| 第六章 总结与展望 | 第89-92页 |
| 6.1 论文工作总结 | 第89-90页 |
| 6.2 未来工作展望 | 第90-92页 |
| 参考文献 | 第92-105页 |
| 攻读博士学位期间取得的研究成果 | 第105-106页 |
| 致谢 | 第106-107页 |
| 附件 | 第107页 |
