| 致谢 | 第4-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 1 绪论 | 第12-23页 |
| 1.1 术前肿瘤组织定位的意义 | 第12页 |
| 1.2 传统的结构磁共振成像技术在肿瘤组织定位中的应用 | 第12-13页 |
| 1.3 现代功能磁共振成像技术概述 | 第13-20页 |
| 1.4 功能磁共振成像技术在肿瘤组织定位中的初步探索 | 第20页 |
| 1.5 已有研究存在的问题与可行的解决办法 | 第20-21页 |
| 1.6 本文研究目的与研究假设 | 第21-23页 |
| 2 材料与方法 | 第23-35页 |
| 2.1 被试 | 第23-25页 |
| 2.2 成像参数 | 第25-27页 |
| 2.3 数据预处理 | 第27-29页 |
| 2.4 独立成分分析 | 第29页 |
| 2.5 自动化的个体肿瘤成分识别 | 第29-32页 |
| 2.6 非脑部肿瘤组织的识别 | 第32-33页 |
| 2.7 描述性统计分析 | 第33页 |
| 2.8 自动化的个体肿瘤组织识别方法与种子点相关分析方法的比较 | 第33-34页 |
| 2.9 DICI算法的鲁棒性 | 第34-35页 |
| 3 结果 | 第35-49页 |
| 3.1 范例结果呈现 | 第35-36页 |
| 3.2 多中心的神经胶质瘤组织识别 | 第36-38页 |
| 3.3 非脑部肿瘤组织识别 | 第38-39页 |
| 3.4 描述性统计分析 | 第39-43页 |
| 3.5 自动化的个体肿瘤组织识别方法与种子点相关分析方法的比较 | 第43-46页 |
| 3.6 DICI算法的鲁棒性 | 第46-49页 |
| 4 讨论 | 第49-55页 |
| 4.1 静息态BOLD-fMRI的优点 | 第49-50页 |
| 4.2 ICA相对于种子点相关分析方法的优点 | 第50-51页 |
| 4.3 TNCs效应 | 第51页 |
| 4.4 自动化肿瘤相关成分识别方法DICI的优点 | 第51-52页 |
| 4.5 DICI算法的鲁棒性 | 第52-53页 |
| 4.6 基于静息态BOLD-fMRI的肿瘤组织定位技术的潜在生理机制 | 第53页 |
| 4.7 研究局限和未来展望 | 第53-55页 |
| 5 总结 | 第55-56页 |
| 参考文献 | 第56-63页 |
| 个人简历 | 第63-64页 |
