认知障碍磁共振图像的模式分类研究
摘要 | 第9-10页 |
ABSTRACT | 第10页 |
第一章 绪论 | 第11-17页 |
1.1 课题来源与背景 | 第11-12页 |
1.2 磁共振成像技术综述 | 第12-14页 |
1.2.1 磁共振原理 | 第12-13页 |
1.2.2 结构磁共振成像 | 第13页 |
1.2.3 结构磁共振成像的特点 | 第13-14页 |
1.3 研究现状及发展趋势 | 第14-16页 |
1.3.1 体素形态学分析方法(VBM)概述 | 第14-15页 |
1.3.2 模式识别方法的研究现状及发展趋势 | 第15页 |
1.3.3 模式识别方法在脑磁共振数据中的应用 | 第15-16页 |
1.4 课题的研究意义 | 第16页 |
1.5 主要研究内容 | 第16-17页 |
第二章 模式识别方法 | 第17-25页 |
2.1 特征提取方法 | 第17-20页 |
2.1.1 主成分分析(PCA) | 第17-18页 |
2.1.2 局部线性嵌入(LLE) | 第18-20页 |
2.2 支持向量机(SVM) | 第20-23页 |
2.3 特征描述方法 | 第23-24页 |
2.3.1 梯度直方图特征(HOG) | 第23-24页 |
2.4 本章小结 | 第24-25页 |
第三章 基于VBM的结构像数据模式分析 | 第25-49页 |
3.1 数据获取和预处理 | 第25-28页 |
3.1.1 AD简介 | 第25页 |
3.1.2 被试数据采集 | 第25-26页 |
3.1.3 数据预处理 | 第26-28页 |
3.2 结构像统计学差异研究 | 第28-32页 |
3.3 VBM分类实验 | 第32-39页 |
3.3.1 灰质VBM分类结果 | 第34-35页 |
3.3.2 白质VBM分类结果 | 第35-37页 |
3.3.3 分类器融合实验 | 第37-39页 |
3.4 特征分析 | 第39-48页 |
3.5 本章小结 | 第48-49页 |
第四章 基于VBM+HOG的结构像数据的模式分析 | 第49-57页 |
4.1 灰质分类实验 | 第49-51页 |
4.2 白质分类实验 | 第51-53页 |
4.3 分类器融合实验 | 第53-56页 |
4.4 本章小结 | 第56-57页 |
第五章 总结与展望 | 第57-59页 |
5.1 论文总结 | 第57-58页 |
5.2 未来工作展望 | 第58-59页 |
致谢 | 第59-61页 |
参考文献 | 第61-66页 |
作者在学期间取得的学术成果 | 第66页 |
作者在学期间参与的主要科研工作 | 第66页 |