基于随机分块模型的静息态功能脑网络可信度优化
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 1. 绪论 | 第11-21页 |
| ·研究背景及意义 | 第11-13页 |
| ·国内外研究现状 | 第13-18页 |
| ·功能磁共振成像的研究及应用 | 第13-14页 |
| ·静息态功能脑网络的构建和分析 | 第14-15页 |
| ·静息态功能脑网络的可信度探究 | 第15-17页 |
| ·链路预测在复杂网络中的使用研究 | 第17-18页 |
| ·本文主要创新工作 | 第18-19页 |
| ·本文章节的组织结构安排 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 2. 静息态功能脑网络的构建 | 第21-30页 |
| ·数据的采集及获取 | 第21-24页 |
| ·数据被试构成 | 第21页 |
| ·扫描参数设置 | 第21-23页 |
| ·数据预处理 | 第23-24页 |
| ·功能脑网络构建 | 第24-29页 |
| ·节点的定义 | 第24-26页 |
| ·边的定义 | 第26-27页 |
| ·阈值选择及构建结果 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 3. 随机分块模型算法分析 | 第30-44页 |
| ·链路预测概念 | 第30-33页 |
| ·问题描述 | 第30-31页 |
| ·算法评价指标 | 第31-33页 |
| ·基于相似性的链路预测算法 | 第33-37页 |
| ·基于局部信息的相似性指标 | 第33-35页 |
| ·基于路径的相似性指标 | 第35-36页 |
| ·基于随机游走的相似性指标 | 第36-37页 |
| ·基于似然分析的链路预测算法 | 第37-38页 |
| ·随机分块模型 | 第37-38页 |
| ·层次结构模型 | 第38页 |
| ·算法评价分析 | 第38-43页 |
| ·数据集划分 | 第38-39页 |
| ·算法评价 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 4. 基于随机分块模型的脑网络重构可行性研究 | 第44-52页 |
| ·基于随机分块模型的网络重构 | 第44-46页 |
| ·网络及网络边的可信度 | 第44-46页 |
| ·网络重构方法 | 第46页 |
| ·重构的可行性验证 | 第46-51页 |
| ·数据选取 | 第47页 |
| ·脑网络拓扑属性 | 第47-48页 |
| ·方法可行性验证 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 5. 静息态功能脑网络的可信度优化 | 第52-59页 |
| ·重测信度 | 第52-54页 |
| ·重测信度概念 | 第52页 |
| ·重测信度计算方法 | 第52-53页 |
| ·重测信度研究 | 第53-54页 |
| ·可信度优化 | 第54-58页 |
| ·基于随机分块模型的网络重构 | 第54-55页 |
| ·重测信度测量 | 第55-56页 |
| ·重测信度结果讨论 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 6. 总结与展望 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 附录 1:被试基本信息统计表 | 第66-67页 |
| 附录 2:AAL模板脑区定义名称及缩写 | 第67-68页 |
| 致谢 | 第68-70页 |
| 攻读学位期间发表的学术论文 | 第70页 |
