| 中文摘要 | 第3-6页 |
| 英文摘要 | 第6-13页 |
| 1 绪论 | 第13-21页 |
| 1.1 ALS及其诊断概述 | 第13-14页 |
| 1.2 现代磁共振技术及其在sALS中的应用 | 第14-17页 |
| 1.2.1 结构磁共振 | 第14-15页 |
| 1.2.2 弥散张量成像 | 第15页 |
| 1.2.3 功能磁共振 | 第15-17页 |
| 1.3 机器学习在sALS诊断中的应用 | 第17-19页 |
| 1.4 本文的研究构想和论文结构安排 | 第19-21页 |
| 1.4.1 本文的研究构想 | 第19-20页 |
| 1.4.2 论文结构安排 | 第20-21页 |
| 2 散发性肌萎缩侧索硬化的脑结构特征研究 | 第21-49页 |
| 2.1 引言 | 第21页 |
| 2.2 材料与方法 | 第21-25页 |
| 2.2.1 研究对象 | 第21-22页 |
| 2.2.2 MRI图像采集 | 第22页 |
| 2.2.3 基于VBM的脑结构特征分析 | 第22-23页 |
| 2.2.4 基于SBM的 脑结构特征分析 | 第23-24页 |
| 2.2.5 全脑结构网络构建与基于图论的全脑结构网络分析 | 第24-25页 |
| 2.3 统计分析 | 第25-26页 |
| 2.3.1 临床资料统计分析 | 第25页 |
| 2.3.2 对VBM分析结果的统计 | 第25-26页 |
| 2.3.3 对SBM分析结果的统计 | 第26页 |
| 2.3.4 全脑结构网络属性的统计分析 | 第26页 |
| 2.3.5 相关分析 | 第26页 |
| 2.4 结果 | 第26-45页 |
| 2.4.1 临床基本资料 | 第26-27页 |
| 2.4.2 基于VBM分析的脑结构特征组间比较结果 | 第27-29页 |
| 2.4.3 基于SBM分析的脑结构特征组间比较结果 | 第29-30页 |
| 2.4.4 全脑结构网络的组间比较结果 | 第30-42页 |
| 2.4.5 sALS患者脑结构特征改变与临床的相关性 | 第42-45页 |
| 2.5 讨论 | 第45-48页 |
| 2.5.1 sALS运动区形态学特征的改变 | 第45-46页 |
| 2.5.2 sALS非运动区形态学特征的改变 | 第46-47页 |
| 2.5.3 sALS全脑结构网络特征的改变 | 第47-48页 |
| 2.6 本章小结 | 第48-49页 |
| 3 散发性肌萎缩侧索硬化的脑功能特征研究 | 第49-87页 |
| 3.1 引言 | 第49-50页 |
| 3.2 材料与方法 | 第50-53页 |
| 3.2.1 研究对象 | 第50页 |
| 3.2.2 MRI图像采集 | 第50页 |
| 3.2.3 fMRI信号预处理 | 第50-51页 |
| 3.2.4 ALFF特征分析 | 第51页 |
| 3.2.5 ReHo特征分析 | 第51页 |
| 3.2.6 VMHC特征分析 | 第51页 |
| 3.2.7 FCD特征分析 | 第51-52页 |
| 3.2.8 全脑FC特征分析 | 第52页 |
| 3.2.9 DC特征分析 | 第52页 |
| 3.2.10 全脑功能网路构建与基于图论的全脑功能网络分析 | 第52-53页 |
| 3.3 统计分析 | 第53-54页 |
| 3.3.1 临床资料统计分析 | 第53页 |
| 3.3.2 对脑功能特征的统计 | 第53页 |
| 3.3.3 对全脑功能网络属性的统计 | 第53-54页 |
| 3.3.4 相关分析 | 第54页 |
| 3.4 结果 | 第54-82页 |
| 3.4.1 临床基本资料 | 第54页 |
| 3.4.2 ALFF特征组间比较结果 | 第54-56页 |
| 3.4.3 ReHo特征组间比较结果 | 第56-57页 |
| 3.4.4 VMHC特征组间比较结果 | 第57-59页 |
| 3.4.5 FCD特征组间比较结果 | 第59-61页 |
| 3.4.6 全脑FC特征组间比较结果 | 第61-63页 |
| 3.4.7 DC特征组间比较结果 | 第63-66页 |
| 3.4.8 全脑功能网络组间比较结果 | 第66-75页 |
| 3.4.9 sALS患者脑功能特征改变与临床的相关性 | 第75-82页 |
| 3.5 讨论 | 第82-85页 |
| 3.6 本章小结 | 第85-87页 |
| 4 基于支持向量机的散发性肌萎缩侧索硬化的个体化诊断 | 第87-111页 |
| 4.1 引言 | 第87-88页 |
| 4.2 材料与方法 | 第88-91页 |
| 4.2.1 研究对象 | 第88页 |
| 4.2.2 MRI图像采集 | 第88页 |
| 4.2.3 MRI图像预处理 | 第88页 |
| 4.2.4 特征选择 | 第88页 |
| 4.2.5 特征预处理 | 第88-89页 |
| 4.2.6 基于单模态脑结构或功能特征的模式分类分析 | 第89-91页 |
| 4.2.7 基于多模态数据融合的模式分类分析 | 第91页 |
| 4.2.8 基于多模态感兴趣区的模式分类分析 | 第91页 |
| 4.3 统计分析 | 第91-92页 |
| 4.3.1 对单模态模式分类器分类结果贡献显著脑区的统计 | 第91-92页 |
| 4.3.2 相关分析 | 第92页 |
| 4.4 结果 | 第92-105页 |
| 4.4.1 基于单模态脑结构或功能特征的模式分类分析结果 | 第92-102页 |
| 4.4.2 基于多模态数据融合的模式分类分析结果 | 第102-103页 |
| 4.4.3 基于多模态感兴趣区的模式分类分析结果 | 第103-104页 |
| 4.4.4 分类器预测效果与临床的相关性 | 第104-105页 |
| 4.5 讨论 | 第105-109页 |
| 4.6 本章小结 | 第109-111页 |
| 5 全文总结与展望 | 第111-115页 |
| 5.1 全文总结 | 第111-112页 |
| 5.2 本文主要创新点 | 第112-113页 |
| 5.3 未来工作展望 | 第113-115页 |
| 参考文献 | 第115-125页 |
| 附录 | 第125-131页 |
| A.作者在攻读学位期间发表的论文目录 | 第125页 |
| B.作者在攻读学位期间参与的科研项目 | 第125-126页 |
| C.攻读博士学位期间获奖情况 | 第126页 |
| D.AAL模板和Desikan-Kiliany模板 | 第126-130页 |
| E.学位论文数据集 | 第130-131页 |
| 致谢 | 第131页 |
