| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.2 研究现状 | 第12-17页 |
| 1.2.1 MCI临床研究现状 | 第12-14页 |
| 1.2.2 大尺度脑网络在MCI中研究现状 | 第14-15页 |
| 1.2.3 MCI分类方法研究现状 | 第15-17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.4 全文结构 | 第18-19页 |
| 第二章 研究方法与理论基础 | 第19-30页 |
| 2.1 研究方案 | 第19-20页 |
| 2.2 脑结构及功能网络构建及分析方法 | 第20-24页 |
| 2.2.1 脑网络构建 | 第20-22页 |
| 2.2.1.1 脑结构网络 | 第20-21页 |
| 2.2.1.2 脑功能网络 | 第21-22页 |
| 2.2.2 网络分析方法 | 第22-24页 |
| 2.3 分类 | 第24-29页 |
| 2.3.1 特征选择 | 第24-27页 |
| 2.3.1.1 基于平稳选择的稀疏线性回归的特征选择算法 | 第24-25页 |
| 2.3.1.2 最小冗余最大相关算法 | 第25-27页 |
| 2.3.2 SVM模式分类 | 第27-29页 |
| 2.3.2.1 SVM原理 | 第27-28页 |
| 2.3.2.2 SVM参数选择 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 实验数据与处理分析 | 第30-37页 |
| 3.1 数据集简介及标准 | 第30页 |
| 3.2 实验数据 | 第30-32页 |
| 3.3 数据预处理 | 第32-34页 |
| 3.3.1 MCIc和MCInc数据预处理 | 第32-33页 |
| 3.3.2 EMCI和LMCI数据预处理 | 第33-34页 |
| 3.4 脑网络的构建与分析 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 MCIc和MCInc分类结果 | 第37-51页 |
| 4.1 特征提取与选择 | 第37-38页 |
| 4.2 分类模型构建 | 第38-39页 |
| 4.3 分类结果 | 第39-47页 |
| 4.3.1 结果显著性 | 第39-44页 |
| 4.3.2 敏感性特征 | 第44-47页 |
| 4.4 讨论 | 第47-50页 |
| 4.4.1 分类结果显著性 | 第47-48页 |
| 4.4.2 特征提取和选择对分类影响 | 第48-49页 |
| 4.4.3 高分类敏感性特征 | 第49页 |
| 4.4.4 不同疾病转变时间对分类的影响 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 EMCI和LMCI分类结果 | 第51-59页 |
| 5.1 特征提取与选择 | 第51-52页 |
| 5.2 分类模型构建 | 第52-53页 |
| 5.3 分类结果 | 第53-56页 |
| 5.3.1 结果显著性 | 第53-55页 |
| 5.3.2 敏感性特征 | 第55-56页 |
| 5.4 讨论 | 第56-58页 |
| 5.4.1 分类结果显著性 | 第56-57页 |
| 5.4.2 高分类敏感性特征 | 第57页 |
| 5.4.3 不同频段对分类结果的影响 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 本文总结 | 第59-60页 |
| 6.2 工作展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-71页 |
| 附录 | 第71-74页 |
| 硕士期间取得的研究成果 | 第74-75页 |