首页--医药、卫生论文--神经病学与精神病学论文--神经病学论文--神经病诊断学论文

基于独立成分分析的静息态脑网络研究

中文摘要第3-4页
英文摘要第4-5页
1 绪论第9-17页
    1.1 研究背景与意义第9-10页
    1.2 磁共振成像技术概述第10-11页
        1.2.1 磁共振现象第10页
        1.2.2 磁共振成像第10-11页
        1.2.3 血氧水平依赖的功能磁共振成像第11页
        1.2.4 弥散张量成像第11页
    1.3 脑连接网络的研究现状第11-15页
        1.3.1 脑的两种功能组织原则和脑连接第11-12页
        1.3.2 脑连接网络的研究现状第12-15页
    1.4 本文的主要研究内容和创新点第15-16页
    1.5 本文的组织结构第16-17页
2 独立成分分析第17-25页
    2.1 线性独立成分分析及在fMRI中的应用第17-20页
        2.1.1 线性独立成分分析方法的起源第17页
        2.1.2 线性独立成分分析方法的原理第17-18页
        2.1.3 线性独立成分分析在fMRI中应用第18-20页
    2.2 非线性独立成分析及在fMRI中的应用第20-24页
        2.2.1 非线性独立成分分析的原理第20-21页
        2.2.2 后非线性ICA在fMRI中的应用第21-24页
    2.3 本章小结第24-25页
3 基于线性ICA的自闭症静息态脑网络研究第25-44页
    3.1 引言第25-26页
    3.2 材料与方法第26-29页
        3.2.1 研究对象第26-27页
        3.2.2 影像数据采集第27-28页
        3.2.3 数据预处理第28页
        3.2.4 提取独立成分第28-29页
        3.2.5 RSNs的识别第29页
    3.3 统计分析第29页
        3.3.1 单样本T检验第29页
        3.3.2 双样本T检验第29页
    3.4 结果第29-39页
        3.4.1 独立成分分析结果第29-33页
        3.4.2 分离出的RSNs第33页
        3.4.3 单样本T检验的结果第33-36页
        3.4.4 双样本T检验的结果第36-39页
    3.5 讨论第39-42页
    3.6 本章小结第42-44页
4 基于后非线性ICA的轻度认知障碍的静息态脑网络研究第44-59页
    4.1 引言第44-45页
    4.2 材料与方法第45-46页
        4.2.1 研究对象第45页
        4.2.2 影像数据采集第45页
        4.2.3 数据预处理第45-46页
        4.2.4 提取独立成分第46页
        4.2.5 RSNs的识别第46页
    4.3 统计分析第46-47页
        4.3.1 单样本T检验第46页
        4.3.2 双样本T检验第46-47页
    4.4 结果第47-56页
        4.4.1 独立成分分析结果第47-49页
        4.4.2 分离出的RSNs第49页
        4.4.3 单样本T检验的结果第49-52页
        4.4.4 双样本T检验的结果第52-56页
    4.5 讨论第56-58页
    4.6 本章小结第58-59页
5 总结与展望第59-61页
    5.1 总结第59页
    5.2 展望第59-61页
参考文献第61-70页
攻读硕士学位期间所发表的学术论文目录第70-71页
致谢第71-72页

论文共72页,点击 下载论文
上一篇:融合MRF正则化和半监督图核聚类的图像分割
下一篇:肿瘤基因组数据分析系统的设计与实现