摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第10-13页 |
1.1 研究背景及意义 | 第10页 |
1.2 国内外研究现状 | 第10-11页 |
1.3 本文的主要研究内容 | 第11-13页 |
第二章 多模态META分析阿尔茨海默病脑结构和功能成像的变化 | 第13-36页 |
2.1 阿尔茨海默病概述 | 第13页 |
2.2 阿尔茨海默病的临床表现及分期 | 第13-14页 |
2.3 轻度认知功能障碍的临床表现及分期 | 第14页 |
2.4 阿尔茨海默病及轻度认知功能障碍的病理学表现 | 第14-15页 |
2.5 阿尔茨海默病大脑结构和功能成像研究现状分析 | 第15-16页 |
2.6 META分析介绍 | 第16-17页 |
2.6.1 Meta分析的起源及其发展 | 第16页 |
2.6.2 Meta分析的目的 | 第16-17页 |
2.6.3 Meta分析的步骤 | 第17页 |
2.7 SDM的简单介绍 | 第17-18页 |
2.8 材料和方法 | 第18-23页 |
2.8.1 搜索策略 | 第18页 |
2.8.2 选择标准 | 第18-21页 |
2.8.3 记录变量 | 第21页 |
2.8.4 数据分析 | 第21-23页 |
2.9 结果 | 第23-34页 |
2.9.1 检索情况 | 第23页 |
2.9.2 灰质体积的改变 | 第23-28页 |
2.9.3 阿尔茨海默病在认知任务态下大脑功能改变的区域 | 第28-32页 |
2.9.4 多模态Meta分析阿尔茨海默病大脑灰质体积和功能的改变 | 第32-34页 |
2.10 讨论 | 第34-35页 |
2.11 结论 | 第35页 |
2.12 本章小结 | 第35-36页 |
第三章 基于MRI图像阿尔茨海默病和轻度认知障碍的分类 | 第36-50页 |
3.1 数据来源 | 第36-37页 |
3.2 ROI选取 | 第37页 |
3.3 基于LDA和SVM的图像分类体系结构 | 第37-39页 |
3.4 主成分分析(PCA)方法 | 第39-42页 |
3.4.1 主成分分析法( PCA)的原理 | 第39-40页 |
3.4.2 PCA推导过程 | 第40-42页 |
3.5 模式识别方法 | 第42-46页 |
3.5.1 线性判别分析法(LDA) | 第42-43页 |
3.5.2 支持向量机(SVM ) | 第43-46页 |
3.6 分类识别结果及讨论 | 第46-50页 |
第四章 总结与展望 | 第50-51页 |
致谢 | 第51-52页 |
参考文献 | 第52-59页 |