| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究现状及意义 | 第12-16页 |
| 1.2.1 脑网络动态特性研究现状及意义 | 第12-14页 |
| 1.2.2 数据降维算法研究现状及意义 | 第14-16页 |
| 1.3 本文的研究内容及章节安排 | 第16-18页 |
| 1.3.1 论文主要内容 | 第16-17页 |
| 1.3.2 论文结构安排 | 第17-18页 |
| 第二章 静息态fMRI数据预处理及脑网络状态观测矩阵构建 | 第18-26页 |
| 2.1 静息态功能磁共振成像技术 | 第18-19页 |
| 2.2 基于fMRI的脑网络重构技术 | 第19-20页 |
| 2.3 静息态fMRI数据采集和信号处理 | 第20-23页 |
| 2.4 脑网络状态观测矩阵的构建 | 第23-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第三章 基于t-SNE的脑网络状态观测矩阵降维算法 | 第26-38页 |
| 3.1 t-SNE降维算法 | 第26-28页 |
| 3.2 基于t-SNE的脑网络状态观测矩阵降维算法思想 | 第28-29页 |
| 3.3 基于t-SNE的脑网络状态观测矩阵降维算法实现及验证 | 第29-31页 |
| 3.4 多种算法对脑网络状态观测矩阵降维结果及对比分析 | 第31-37页 |
| 3.4.1 基于PCA算法的脑网络状态观测矩阵降维及结果对比 | 第31-32页 |
| 3.4.2 基于MDS算法的脑网络状态观测矩阵降维及结果对比 | 第32-33页 |
| 3.4.3 基于ISOMAP算法的脑网络状态观测矩阵降维及结果对比 | 第33-34页 |
| 3.4.4 基于LLE算法的脑网络状态观测矩阵降维及结果对比 | 第34-35页 |
| 3.4.5 基于RandomTrees算法的脑网络状态观测矩阵降维及结果对比 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于Python的脑网络数据处理平台及降维实验 | 第38-50页 |
| 4.1 脑网络状态观测矩阵降维处理平台的设计和实现 | 第38-41页 |
| 4.2 降维算法实验及实验对比平台设计及实现 | 第41-47页 |
| 4.2.1 实验数据 | 第41页 |
| 4.2.2 降维算法对比平台对多组数据降维结果对比 | 第41-47页 |
| 4.3 可视化集成平台的设计 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 附录A: 攻读学位其间发表论文目录 | 第60-62页 |
| 附录B: 攻读硕士学位期间参与科研项目 | 第62页 |
