张量分解模型在脑部磁共振影像诊断中的应用
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文主要研究内容和组织安排 | 第15-17页 |
| 第二章 张量分解模型及磁共振影像处理简介 | 第17-33页 |
| 2.1 张量分解模型及相关技术 | 第17-26页 |
| 2.1.1 张量的概念及基本模型 | 第17-20页 |
| 2.1.2 张量的运算 | 第20-22页 |
| 2.1.3 张量分解算法 | 第22-26页 |
| 2.2 磁共振影像及相关技术 | 第26-32页 |
| 2.2.1 磁共振影像简介 | 第26-28页 |
| 2.2.2 磁共振影像的预处理 | 第28-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 基于张量最优评分的阿尔茨海默病诊断算法 | 第33-44页 |
| 3.1 引言 | 第33页 |
| 3.2 阿尔茨海默病与模式识别 | 第33-35页 |
| 3.3 最优评分算法 | 第35-36页 |
| 3.4 张量最优评分 | 第36-39页 |
| 3.5 实验设计 | 第39-42页 |
| 3.5.1 OASIS数据集 | 第39-40页 |
| 3.5.2 分类实验 | 第40-41页 |
| 3.5.3 实验结果 | 第41-42页 |
| 3.6 结论 | 第42-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第四章 基于多线性主成分分析的胶质瘤诊断方法 | 第44-53页 |
| 4.1 引言 | 第44页 |
| 4.2 胶质瘤数据及其预处理 | 第44-47页 |
| 4.3 多线性主成分分析算法 | 第47-49页 |
| 4.4 基于MPCA的胶质瘤诊断方法 | 第49-50页 |
| 4.4.1 实验所用数据 | 第49页 |
| 4.4.2 实验设计与结果分析 | 第49-50页 |
| 4.5 基于MPCA的多模态胶质瘤影像分析方法 | 第50-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 本文总结 | 第53页 |
| 5.2 工作展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间发表的论文 | 第61页 |
| 攻读硕士学位期间发表的专利 | 第61-62页 |
| 学位论文评阅及答辩情况表 | 第62页 |
