| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-26页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 磁共振成像技术简述 | 第14-18页 |
| 1.2.1 磁共振成像技术的基本原理 | 第14-15页 |
| 1.2.2 磁共振功能成像技术 | 第15-16页 |
| 1.2.3 磁共振弥散张量成像技术 | 第16-18页 |
| 1.3 大脑编码和解码模型及相关技术的研究现状和主要问题 | 第18-24页 |
| 1.4 本论文的主要研究内容和论文结构 | 第24-26页 |
| 第2章 一种基于DICCCOL的大脑编码模型 | 第26-44页 |
| 2.1 引言 | 第26-28页 |
| 2.2 实验设计和f MRI数据获取 | 第28-30页 |
| 2.2.1 实验设计和刺激视频的选取 | 第28-29页 |
| 2.2.2 磁共振数据的采集和预处理 | 第29-30页 |
| 2.3 DICCCOL脑区定位原理和基于DICCCOL的功能连接 | 第30-36页 |
| 2.3.1 Trace-map的基本原理 | 第31-33页 |
| 2.3.2 DICCCOL的训练和预测 | 第33-35页 |
| 2.3.3 基于功能连接矩阵的大脑响应量化方法 | 第35-36页 |
| 2.4 典型视频底层特征的提取 | 第36-37页 |
| 2.5 基于最小二乘支持回归向量机的大脑编码模型 | 第37-38页 |
| 2.6 实验结果与分析 | 第38-42页 |
| 2.6.1 计算机视觉特征的工程角度评价 | 第38-39页 |
| 2.6.2 大脑编码模型的准确性分析 | 第39-41页 |
| 2.6.3 大脑编码模型在不同个体的一致性分析 | 第41-42页 |
| 2.7 本章小结和分析 | 第42-44页 |
| 第3章 一种基于稀疏表达的大脑解码模型 | 第44-66页 |
| 3.1 引言 | 第44-46页 |
| 3.2 实验设计和和大脑响应数据获取 | 第46-47页 |
| 3.2.1 实验设计和刺激音频的选取 | 第46-47页 |
| 3.2.2 大脑响应数据的采集和和预处理 | 第47页 |
| 3.3 音频显著性特征的提取 | 第47-49页 |
| 3.4 基于稀疏表达的大脑响应模式的提取 | 第49-52页 |
| 3.5 基于稀疏编码的音频显著性解码 | 第52-53页 |
| 3.6 实验结果与分析 | 第53-64页 |
| 3.6.1 fMRI信号的稀疏表示 | 第53-55页 |
| 3.6.2 基于稀疏表达的音频显著性特征重建 | 第55-58页 |
| 3.6.3 字典原子个数对结果的影响 | 第58-59页 |
| 3.6.4 音频显著性重建中一致的大脑功能区域 | 第59-64页 |
| 3.7 本章小结与分析 | 第64-66页 |
| 第4章 一种基于有监督的字典学习的大脑网络检测模型 | 第66-98页 |
| 4.1 引言 | 第66-69页 |
| 4.2 实验设计和大脑响应数据的处理 | 第69-71页 |
| 4.2.1 实验设计 | 第69-71页 |
| 4.2.2 大脑响应数据的采集和预处理 | 第71页 |
| 4.3 有监督的字典学习算法和原理 | 第71-73页 |
| 4.4 大脑功能网络的提取方法 | 第73-74页 |
| 4.5 实验结果及分析 | 第74-96页 |
| 4.5.1 检测到的具有群组一致性的模型驱动的大脑功能网络 | 第74-79页 |
| 4.5.2 检测到的具有群组一致性的数据驱动的大脑功能网络 | 第79-81页 |
| 4.5.3 模型参数的设置和影响 | 第81-85页 |
| 4.5.4 与传统的稀疏表达算法检测的大脑功能网络对比 | 第85-89页 |
| 4.5.5 与ICA检测的大脑功能网络对比 | 第89-93页 |
| 4.5.6 与纯监督的字典学习模型检测的大脑功能网络的对比 | 第93-96页 |
| 4.6 本章小结与分析 | 第96-98页 |
| 第5章 一种基于多次稀疏表达机制的群组大脑网络检测模型 | 第98-114页 |
| 5.1 引言 | 第98-101页 |
| 5.2 实验设计和大脑响应数据获取 | 第101页 |
| 5.2.1 实验设计 | 第101页 |
| 5.2.2 大脑响应数据的采集和和预处理 | 第101页 |
| 5.3 多次稀疏表示的算法和原理 | 第101-104页 |
| 5.3.1 级联信号的字典学习和稀疏表达算法 | 第101-102页 |
| 5.3.2“固定”系数矩阵的的字典学习和稀疏表达算法 | 第102-104页 |
| 5.3.3 固定字典的字典学习和稀疏表达算法 | 第104页 |
| 5.4 基于统计原理的群组大脑网络的建立 | 第104-105页 |
| 5.5 实验结果及分析 | 第105-111页 |
| 5.5.1 使用MSSRF检测到的群体大脑网络 | 第105-107页 |
| 5.5.2 检测到的群组网络对应的个体fMRI BOLD信号活动模式一致性分析 | 第107-110页 |
| 5.5.3 MSSRF检测到的不同群体大脑网络的细微差别 | 第110-111页 |
| 5.6 本章小结与分析 | 第111-114页 |
| 第6章 总结和展望 | 第114-118页 |
| 6.1 论文工作总结 | 第114-116页 |
| 6.2 今后工作展望 | 第116-118页 |
| 参考文献 | 第118-132页 |
| 致谢 | 第132-135页 |
| 博士期间的工作成果 | 第135-138页 |
