首页--医药、卫生论文--临床医学论文--诊断学论文--影像诊断学论文--核磁共振成像论文

静息态fMRI网络模块动态交互及其对抑郁症治疗的评估

摘要第5-7页
Abstract第7-8页
第一章 绪论第11-19页
    1.1 课题背景及研究意义第11页
    1.2 研究现状第11-17页
        1.2.1 rsfMRI动态功能连接研究第13-14页
        1.2.2 基于rsfMRI动态功能连接的动态模块化建模研究第14-15页
        1.2.3 基于rsfMRI动态模块化的隐马尔科夫模型模型研究第15页
        1.2.4 静息态网络调控的动态脑功能连接第15-16页
        1.2.5 rsfMRI在抑郁症治疗的评估的应用第16页
        1.2.6 rsfMRI抑郁症治疗前后网络改变、早期疗效指标的研究第16-17页
    1.3 本文的工作创新和贡献第17页
    1.4 本文的组织结构第17-19页
第二章 抑郁症治疗前后动态模块化属性变化分析第19-35页
    2.1 引言第19-20页
    2.2 研究对象和实验数据采集第20-22页
        2.2.1 被试收集状况第20-21页
        2.2.2 扫描装置及参数第21-22页
    2.3 分析方法第22-25页
        2.3.1 动态模块方法第22-23页
        2.3.2 动态模块稳定性验证第23-25页
    2.4 实验数据分析流程第25-28页
        2.4.1 预处理第25页
        2.4.2 提取BOLD信号时间序列第25-27页
        2.4.3 计算动态功能连接第27页
        2.4.4 计算动态模块化矩阵并提取特征第27-28页
    2.5 结果分析第28-32页
        2.5.1 模块化质量函数Q和模块化特征灵活度在抑郁症治疗前后及健康人之间的差异第28-30页
        2.5.2 层间耦合参数取值对结果的稳定性的影响第30-31页
        2.5.3 模块化特征灵活度与临床指标的相关性第31-32页
    2.6 讨论第32-33页
    2.7 小结第33-35页
第三章 动态模块化特征预测艾司西酞普兰疗效第35-49页
    3.1 引言第35-36页
    3.2 研究对象和实验数据采集第36页
    3.3 实验数据分析与方法第36-38页
    3.4 实验数据分析流程第38-39页
        3.4.1 预处理第38页
        3.4.2 提取时间序列第38-39页
        3.4.3 计算动态功能连接第39页
        3.4.4 计算动态模块化矩阵并提取特征第39页
    3.5 低维度特征预测个体治疗起效状况第39-42页
        3.5.1 最大相关最小冗余算法第39页
        3.5.2 支持向量机分类算法第39-40页
        3.5.3 特征分类结果第40-42页
    3.6 高维度特征预测个体治疗起效状况第42-46页
        3.6.1 主成分分析第42-43页
        3.6.2 特征分类结果第43-46页
        3.6.3 模块忠诚度矩阵在之间的差异第46页
    3.7 两类特征鲁棒性检验第46-47页
    3.8 结果讨论第47-48页
    3.9 小结第48-49页
第四章 特殊时间段动态模块化特征预测艾司西酞普兰疗效第49-64页
    4.1 引言第49页
    4.2 研究对象和实验数据采集第49-50页
    4.3 实验数据分析与结果讨论第50-53页
        4.3.1 预处理第51页
        4.3.2 提取时间序列第51页
        4.3.3 计算动态功能连接第51页
        4.3.4 计算动态模块化矩阵并提取特征第51页
        4.3.5 模块化分配矩阵状态归属转变在时间维度的稳定性探究第51-52页
        4.3.6 模块化分配矩阵状态归属转变强弱在时间维度的探究第52-53页
    4.4 灵活度特殊时间段特征预测个体治疗起效状况第53-56页
        4.4.1 多维尺度分析第53页
        4.4.2 特殊时间段灵活度预测艾司西酞普兰治疗效果第53-55页
        4.4.3 算法稳定性检验第55-56页
    4.5 跳变矩阵特殊时间段特征预测个体治疗起效状况第56-61页
        4.5.1 评估模块化分配矩阵状态转变强活动时间段第56-57页
        4.5.2 特殊时间段跳变矩阵预测艾司西酞普兰治疗效果第57-60页
        4.5.3 算法稳定性检验第60-61页
    4.6 两类特征鲁棒性检验第61页
    4.7 结果讨论第61-62页
    4.8 小结第62-64页
第五章 总结与展望第64-67页
    5.1 工作总结第64-65页
    5.2 工作展望第65-67页
致谢第67-68页
参考文献第68-73页
在学校期间的研究成果及发表的学术论文第73页

论文共73页,点击 下载论文
上一篇:基于RSVP协议的P2MP功能设计与实现
下一篇:基于MPLS的差分服务的改进与实现