| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 功能脑网络研究 | 第12页 |
| 1.2.2 静息态相关功能脑网络研究 | 第12-13页 |
| 1.2.3 机器学习在功能磁共振影像数据研究中的应用 | 第13-14页 |
| 1.3 课题研究目的和意义 | 第14-15页 |
| 1.4 本文主要工作和组织结构 | 第15-17页 |
| 1.4.1 主要工作 | 第15-16页 |
| 1.4.2 组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 核磁共振成像技术 | 第18-26页 |
| 2.1 功能核磁共振成像技术简介 | 第18-19页 |
| 2.2 功能核磁共振成像(fMRI）原理 | 第19-21页 |
| 2.3 功能核磁共振成像（fMRI）技术发展与应用 | 第21-24页 |
| 2.3.1 功能磁共振成像研究的发展及优势 | 第21-22页 |
| 2.3.2 功能磁共振成像的数据研究方法 | 第22-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 功能脑网络构建及特征计算 | 第26-34页 |
| 3.1 被试选择及实验过程 | 第26-29页 |
| 3.1.1 选择被试 | 第26页 |
| 3.1.2 图像获取和预处理 | 第26-29页 |
| 3.2 功能脑网络的构建 | 第29-31页 |
| 3.2.1 功能脑网络中节点的定义 | 第29页 |
| 3.2.2 功能脑网络中边的定义 | 第29-30页 |
| 3.2.3 阈值的选择 | 第30-31页 |
| 3.3 功能脑网络属性特征计算 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 分类特征的选择 | 第34-42页 |
| 4.1 分类特征选择简介 | 第34-35页 |
| 4.2 分类特征选择的依据 | 第35-36页 |
| 4.3 分类特征的选择 | 第36-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 分类模型构建及分类实验 | 第42-58页 |
| 5.1 分类模型的选择 | 第42-43页 |
| 5.2 支持向量机（SVM）分类算法 | 第43-48页 |
| 5.2.1 支持向量机分类算法原理 | 第43页 |
| 5.2.2 支持向量机分类算法核函数的选择 | 第43-44页 |
| 5.2.3 支持向量机分类实验 | 第44-46页 |
| 5.2.4 实验结果分析 | 第46-47页 |
| 5.2.5 实验小结 | 第47-48页 |
| 5.3 BP人工神经网络分类算法 | 第48-56页 |
| 5.3.1 BP人工神经网络分类算法原理 | 第48页 |
| 5.3.2 BP神经网络学习算法的特点 | 第48-50页 |
| 5.3.3 BP神经网络学习算法实验 | 第50-51页 |
| 5.3.4 实验结果分析 | 第51-56页 |
| 5.3.5 实验小结 | 第56页 |
| 5.4 本章小结 | 第56-58页 |
| 第6章 总结与展望 | 第58-62页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-69页 |
| 附录 | 第69-78页 |
| 附录1 正常组和患者组特征路径长度结果比较 | 第69-71页 |
| 附录2 正常组和患者组聚类系数结果比较 | 第71-72页 |
| 附录3 汉密尔顿抑郁量表（HAMD） | 第72-75页 |
| 附录4 DSM-IV重度抑郁症诊断标准 | 第75-78页 |
| 硕士期间发表的论文 | 第78页 |