| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-16页 |
| 1.1 引言 | 第7-8页 |
| 1.2 脑解剖学基础 | 第8-10页 |
| 1.2.1 大脑皮层 | 第8-9页 |
| 1.2.2 大脑白质 | 第9-10页 |
| 1.3 核磁共振成像技术 | 第10-11页 |
| 1.4 基于核磁共振影像的大脑形态学指标 | 第11-14页 |
| 1.4.1 图像的采集 | 第11页 |
| 1.4.2 图像的处理 | 第11-13页 |
| 1.4.3 图像的后处理 | 第13-14页 |
| 1.5 常用的大脑皮层形态学指标 | 第14页 |
| 1.6 本文的主要贡献 | 第14-15页 |
| 1.6.1 基于sMRI的阿尔茨海默病的分类方法分析 | 第15页 |
| 1.6.2 基于空间纹理的特征提取及分类 | 第15页 |
| 1.7 本文的组织结构 | 第15-16页 |
| 第二章 阿尔茨海默病的分类方法分析 | 第16-22页 |
| 2.1 引言 | 第16页 |
| 2.2 MCI和AD的sMRI研究 | 第16-17页 |
| 2.3 基于sMRI的阿尔茨海默病分类方法分析 | 第17-21页 |
| 2.3.1 基于sMRI阿尔茨海默病分类的生物指标 | 第17-18页 |
| 2.3.2 基于sMRI的阿尔茨海默病的分类方法分析 | 第18-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 皮层厚度纹理特征提取及分类 | 第22-41页 |
| 3.1 引言 | 第22-23页 |
| 3.2 实验数据 | 第23-24页 |
| 3.2.1 数据来源 | 第23页 |
| 3.2.2 样本分类 | 第23-24页 |
| 3.3 皮层厚度的空间纹理特征提取方法 | 第24-27页 |
| 3.3.1 LBP和MB-LBP算法 | 第24-25页 |
| 3.3.2 S-MB-LBP算法 | 第25-27页 |
| 3.4 皮层厚度图像的统计纹理特征提取方法 | 第27-28页 |
| 3.5 分类特征提取及分类 | 第28-32页 |
| 3.4.1 皮层厚度特征的计算 | 第28-31页 |
| 3.4.2 基于直方图的皮层厚度统计纹理特征提取 | 第31页 |
| 3.4.3 PCA提取的皮层厚度特征 | 第31页 |
| 3.4.4 S-MB-LBP提取的分类特征 | 第31-32页 |
| 3.4.5 综合空间纹理特征特征和皮层厚度均值及PCA提取的特征 | 第32页 |
| 3.5 分类器选择 | 第32-33页 |
| 3.5.1 KNN分类器 | 第32-33页 |
| 3.5.2 SVM分类器 | 第33页 |
| 3.6 实验结果和分析 | 第33-40页 |
| 3.6.1 基于SVM的分类结果及分析 | 第33-38页 |
| 3.6.2 SVM和KNN分类结果的对比分析 | 第38-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第四章 总结与展望 | 第41-43页 |
| 4.1 本文工作的总结 | 第41-42页 |
| 4.2 未来工作的展望 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 在学期间的研究成果 | 第46-47页 |
| 致谢 | 第47页 |
