基于功能磁共振成像的Ⅱ型糖尿病患者认知功能预测分析
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 2 相关技术 | 第18-27页 |
| 2.1 特征提取 | 第18-19页 |
| 2.2 机器学习算法 | 第19-25页 |
| 2.2.1 弹性网模型 | 第20-21页 |
| 2.2.2 分类器性能评估 | 第21-23页 |
| 2.2.3 支持向量机 | 第23-24页 |
| 2.2.4 逻辑斯特回归 | 第24-25页 |
| 2.3 自动解剖模板介绍 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 数据预处理与特征构造 | 第27-33页 |
| 3.1 实验数据 | 第27-28页 |
| 3.2 图像预处理 | 第28-30页 |
| 3.3 特征构造 | 第30-31页 |
| 3.4 本章小结 | 第31-33页 |
| 4 分类模型构建 | 第33-40页 |
| 4.1 特征降维 | 第33-35页 |
| 4.2 分类模型训练 | 第35-38页 |
| 4.2.1 支持向量机模型训练 | 第36-37页 |
| 4.2.2 逻辑斯特回归模型训练 | 第37-38页 |
| 4.2.3 分类性能评估 | 第38页 |
| 4.3 置换检验 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 5 实验结果及分析 | 第40-57页 |
| 5.1 弹性网模型特征选择结果 | 第40-48页 |
| 5.2 认知障碍分类结果 | 第48-52页 |
| 5.2.1 支持向量机分类结果 | 第48-51页 |
| 5.2.2 逻辑斯特回归分类结果 | 第51-52页 |
| 5.3 置换检验结果 | 第52-54页 |
| 5.4 结果分析 | 第54-55页 |
| 5.5 本章小结 | 第55-57页 |
| 6 总结与展望 | 第57-59页 |
| 6.1 本文工作总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第63-64页 |
| 致谢 | 第64页 |
