| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 基于MRI的ADHD研究 | 第10-11页 |
| 1.2.2 基于机器学习的ADHD分类研究 | 第11-12页 |
| 1.3 本文主要研究内容和结构安排 | 第12-14页 |
| 第二章 研究方法介绍 | 第14-28页 |
| 2.1 fMRI的原理 | 第14-16页 |
| 2.2 fALFF的计算 | 第16-17页 |
| 2.3 分形维数 | 第17页 |
| 2.4 特征选择算法和特征提取算法 | 第17-23页 |
| 2.4.1 特征选择流程 | 第17-21页 |
| 2.4.2 PCA算法 | 第21-22页 |
| 2.4.3 mRMR算法 | 第22-23页 |
| 2.4.4 RELIEF算法 | 第23页 |
| 2.5 SVM分类器 | 第23-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 基于预处理和特征选择的ADHD识别研究 | 第28-39页 |
| 3.1 数据介绍 | 第28页 |
| 3.2 数据准备 | 第28-35页 |
| 3.2.1 fMRI数据预处理和fALFF计算 | 第28-31页 |
| 3.2.2 控制年龄和性别影响 | 第31-35页 |
| 3.3 特征选择 | 第35-37页 |
| 3.3.1 基于mRMR算法的特征选择 | 第35-36页 |
| 3.3.2 基于RELIEF算法的特征选择 | 第36-37页 |
| 3.4 基于SVM的ADHD分类 | 第37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 基于R-RELIEF算法的ADHD识别研究 | 第39-47页 |
| 4.1 数据准备 | 第39页 |
| 4.2 算法描述 | 第39-40页 |
| 4.3 实验结果 | 第40-46页 |
| 4.3.1 基于R-RELIEF算法的特征选择和分类 | 第40-42页 |
| 4.3.2 基于多元线性回归的回归系数分析 | 第42-43页 |
| 4.3.3 基于R-RELIEF算法的ADHD病理研究 | 第43-44页 |
| 4.3.4 结果分析 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 全文总结 | 第47-48页 |
| 5.2 前景展望 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 致谢 | 第54-55页 |
| 附录 | 第55-56页 |
