| 摘要 | 第4-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第12-26页 |
| 1.1 研究背景和研究意义 | 第12-13页 |
| 1.2 脑疾病辅助诊断的研究现状 | 第13-21页 |
| 1.3 机器学习算法在脑图像中的应用 | 第21-23页 |
| 1.4 论文工作的主要内容和结构安排 | 第23-26页 |
| 第2章 基于脑图像的多层次特征提取和分类方法 | 第26-56页 |
| 2.1 算法总体框架 | 第26-27页 |
| 2.2 图像处理方法 | 第27-39页 |
| 2.3 基于ROI特征和脑网络的多层次特征提取算法 | 第39-47页 |
| 2.4 基于多核支持向量机的分类器建立方法 | 第47-50页 |
| 2.5 算法验证及性能评估 | 第50-55页 |
| 2.6 本章小结 | 第55-56页 |
| 第3章 基于脑图像的2型糖尿病影像学标志物研究 | 第56-78页 |
| 3.1 2型糖尿病影像学的研究现状 | 第56-61页 |
| 3.2 基于灰质体积、脑皮层厚度和表面积的大脑结构分析方法 | 第61-67页 |
| 3.3 数据和实验方法 | 第67-69页 |
| 3.4 实验结果 | 第69-73页 |
| 3.5 分析和讨论 | 第73-75页 |
| 3.6 本章小结 | 第75-78页 |
| 第4章 基于脑图像的自尊程度与大脑结构关联分析研究 | 第78-94页 |
| 4.1 脑结构与自尊程度的研究现状 | 第78-80页 |
| 4.2 实验数据与实验方法 | 第80-84页 |
| 4.3 实验结果 | 第84-91页 |
| 4.4 讨论分析 | 第91-93页 |
| 4.5 本章小结 | 第93-94页 |
| 第5章 BrainLab脑图像处理与分析系统 | 第94-106页 |
| 5.1 常用的医学图像辅助分析软件 | 第94-95页 |
| 5.2 BrainLab的总体框架 | 第95-97页 |
| 5.3 BrainLab的主要功能模块及算法介绍 | 第97-104页 |
| 5.4 本章小结 | 第104-106页 |
| 第6章 总结与展望 | 第106-110页 |
| 6.1 工作总结 | 第106-107页 |
| 6.2 未来工作展望 | 第107-110页 |
| 参考文献 | 第110-132页 |
| 在学期间学术成果情况 | 第132-134页 |
| 指导教师及作者简介 | 第134-135页 |
| 致谢 | 第135页 |
