基于结构磁共振成像的自闭症预测研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-18页 |
| 1.1 自闭症简介 | 第11页 |
| 1.2 结构磁共振成像技术 | 第11-13页 |
| 1.3 基于结构磁共振成像的自闭症预测的研究意义 | 第13页 |
| 1.4 基于结构磁共振成像的自闭症预测的研究现状 | 第13-15页 |
| 1.5 目前研究存在的问题 | 第15-16页 |
| 1.6 论文研究内容与组织安排 | 第16-18页 |
| 2 基于形态特征的自闭症预测 | 第18-42页 |
| 2.1 引论 | 第18页 |
| 2.2 数据集 | 第18-19页 |
| 2.3 形态特征的提取 | 第19-26页 |
| 2.4 基于t检验的特征选择 | 第26页 |
| 2.5 构建预测模型 | 第26-31页 |
| 2.5.1 基于支持向量机的预测模型 | 第26-28页 |
| 2.5.2 基于多核支持向量机的预测模型 | 第28-29页 |
| 2.5.3 基于协同训练的预测模型 | 第29-31页 |
| 2.6 研究结果与讨论 | 第31-41页 |
| 2.6.1 基于单中心数据的结果 | 第32-38页 |
| 2.6.2 基于多中心数据的结果 | 第38-41页 |
| 2.7 本章小结 | 第41-42页 |
| 3 基于灰质图像纹理特征的自闭症预测 | 第42-51页 |
| 3.1 引论 | 第42-43页 |
| 3.2 数据集及预处理 | 第43-44页 |
| 3.3 基于灰质图像纹理特征的自闭症预测方法 | 第44-47页 |
| 3.3.1 方法概述 | 第44-45页 |
| 3.3.2 子块划分与提取 | 第45页 |
| 3.3.3 基于独立成分分析提取特征模型 | 第45-47页 |
| 3.3.4 特征选择与构建预测模型 | 第47页 |
| 3.4 研究结果与讨论 | 第47-50页 |
| 3.4.1 子块数量对结果的影响 | 第47-48页 |
| 3.4.2 独立成分数量对结果的影响 | 第48-50页 |
| 3.5 本章小结 | 第50-51页 |
| 4 基于区域及区域间形态特征的自闭症严重程度预测 | 第51-62页 |
| 4.1 引论 | 第51页 |
| 4.2 数据集及自闭症严重性分数的获取 | 第51-52页 |
| 4.3 区域及区域间形态特征的提取 | 第52-53页 |
| 4.4 基于支持向量回归的预测模型 | 第53-55页 |
| 4.5 结合区域及区域间形态特征的预测方法 | 第55页 |
| 4.6 研究结果与讨论 | 第55-61页 |
| 4.6.1 基于区域形态特征的结果 | 第56-58页 |
| 4.6.2 基于区域间形态特征的结果 | 第58-59页 |
| 4.6.3 结合区域及区域间形态特征的结果 | 第59-60页 |
| 4.6.4 结果讨论 | 第60-61页 |
| 4.7 本章小结 | 第61-62页 |
| 5 总结与展望 | 第62-64页 |
| 5.1 论文的主要工作成果 | 第62-63页 |
| 5.2 进一步的工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第68-70页 |
| 学位论文数据集 | 第70页 |
