首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于体素的fMRI数据分类研究及其应用

摘要第3-5页
ABSTRACT第5-6页
第一章 绪论第9-15页
    1.1 课题研究背景第9-11页
    1.2 选题意义第11-12页
    1.3 论文的主要内容第12页
    1.4 论文的结构安排第12-15页
第二章 实验设计第15-29页
    2.1 心理学实验设计第15-20页
        2.1.1 实验设计基本原则第15-16页
        2.1.2 控制三要素第16-17页
        2.1.3 实验组成部分第17-20页
    2.2 fMRI实验设计第20-27页
        2.2.1 fMRI实验设计模式第20-22页
        2.2.2 国内外实验设计模式研究现状第22-23页
        2.2.3 本研究采用的实验设计模式第23页
        2.2.4 实验设计与实施第23-27页
    2.3 本章小结第27-29页
第三章 fMRI数据处理第29-45页
    3.1 数据预处理第29-30页
    3.2 特征选择和特征抽取研究现状第30-34页
    3.3 特征选择第34-39页
        3.3.1. T检验方法第34-36页
        3.3.2. 激活脑区特征选择第36-39页
        3.3.3. 单体素集成的特征选择第39页
    3.4 特征抽取第39-44页
        3.4.1 BOLD最大值第40-41页
        3.4.2 BOLD变化速度第41页
        3.4.3 BOLD累计值第41-42页
        3.4.4 最大值处时间点第42页
        3.4.5 主分量分析法第42-44页
    3.5 本章小结第44-45页
第四章 数据分类第45-61页
    4.1 分类器第45-53页
        4.1.1 fMRI数据分类原理第47页
        4.1.2 朴素贝叶斯第47-49页
        4.1.3 支持向量机介绍第49-52页
        4.1.4 Adaboost算法第52-53页
    4.2 实验结果分析第53-59页
        4.2.1 使用激活区BOLD变化最大值作为特征的分类结果第53-54页
        4.2.2 使用激活区BOLD变化累计值作为特征的分类结果第54-55页
        4.2.3 使用激活区BOLD变化速率作为特征的分类结果第55-56页
        4.2.4 使用单体素BOLD时间序列方差及其均值作为特征的分类结果第56-57页
        4.2.5 使用4.2.4中提到的方法对初级视觉区域Brodmann17、18、19区做分类第57-59页
    4.3 本章小结第59-61页
第五章 总结与展望第61-63页
    5.1 本文工作总结第61页
    5.2 工作展望第61-63页
参考文献第63-67页
致谢第67-69页
攻读学位期间发表的学术论文目录第69页

论文共69页,点击 下载论文
上一篇:煤仓煤位视觉检测关键问题研究
下一篇:基于CRM理念的ERP电力客户信息分析与研究