| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 基于静息态功能磁共振成像技术的脑网络研究现状 | 第11-12页 |
| 1.2.2 深度自动编码器研究进展 | 第12-13页 |
| 1.3 本文的主要研究内容及结构安排 | 第13-17页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 论文结构安排 | 第14-17页 |
| 第二章 功能BOLD-fMRI成像原理及数据预处理 | 第17-23页 |
| 2.1 功能磁共振成像 | 第17-19页 |
| 2.1.1 基于BOLD-fMRI成像原理 | 第18-19页 |
| 2.1.2 静息态功能磁共振成像 | 第19页 |
| 2.2 数据采集 | 第19-20页 |
| 2.3 数据预处理 | 第20-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第三章 基于DAE的脑网络状态观测矩阵降维方法研究 | 第23-37页 |
| 3.1 人脑网络状态观测矩阵的构建 | 第23-26页 |
| 3.1.1 应用滑动窗口技术分析动态脑功能网络 | 第23-24页 |
| 3.1.2 全脑网络状态观测矩阵的构建 | 第24-26页 |
| 3.2 基于DAE的脑网络状态观测矩阵降维方法 | 第26-36页 |
| 3.2.1 深度自动编码器 | 第28-29页 |
| 3.2.2 基于DAE的脑网络状态观测矩阵降维方法思想 | 第29-31页 |
| 3.2.3 基于DAE的脑网络状态观测矩阵降维算法实现 | 第31-33页 |
| 3.2.4 RBM模型及实现过程 | 第33-35页 |
| 3.2.5 实验结果 | 第35-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 基于SOM的脑网络低维特征矩阵聚类分析 | 第37-51页 |
| 4.1 自组织映射神经网络 | 第37-39页 |
| 4.1.1 自组织映射简介 | 第37页 |
| 4.1.2 自组织映射聚类的基本过程 | 第37-38页 |
| 4.1.3 自组织映射网络聚类的特点 | 第38-39页 |
| 4.2 SOM算法中常用指标 | 第39-40页 |
| 4.2.1 聚类 | 第39页 |
| 4.2.2 相似性测量 | 第39-40页 |
| 4.2.3 向量归一化 | 第40页 |
| 4.3 基于SOM的脑网络低维特征矩阵聚类研究 | 第40-50页 |
| 4.3.1 基于SOM的脑网络低维特征矩阵聚类步骤 | 第40-42页 |
| 4.3.2 实验结果 | 第42-46页 |
| 4.3.3 实验对比 | 第46-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 附录A:攻读学位期间发表论文目录 | 第61-63页 |
| 附录B:攻读硕士学位期间参与科研项目 | 第63页 |
