结构磁共振影像特征信息提取方法研究
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-12页 |
| 缩略语简表 | 第13-15页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 课题的研究背景和意义 | 第15-16页 |
| 1.2 课题的研究现状和进展 | 第16-20页 |
| 1.2.1 PET技术 | 第17页 |
| 1.2.2 fMRI技术 | 第17-19页 |
| 1.2.3 sMRI技术 | 第19-20页 |
| 1.3 本文的主要工作和贡献 | 第20-21页 |
| 1.4 论文的结构安排 | 第21-22页 |
| 第二章 sMRI影像的分析处理方法 | 第22-28页 |
| 2.1 引言 | 第22页 |
| 2.2 基于sMRI的AD研究 | 第22-24页 |
| 2.3 sMRI数据主要处理方法 | 第24-27页 |
| 2.3.1 VBM | 第24-25页 |
| 2.3.2 皮层厚度测量法 | 第25页 |
| 2.3.3 子空间学习/机器学习方法 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 张量和多线性子空间学习 | 第28-38页 |
| 3.1 引言 | 第28-29页 |
| 3.2 张量的基本概念 | 第29-30页 |
| 3.3 张量的定义与运算 | 第30-33页 |
| 3.4 多线性投影 | 第33-37页 |
| 3.4.1 向量到向量的投影 | 第33-34页 |
| 3.4.2 张量到张量的投影 | 第34-35页 |
| 3.4.3 张量到向量的投影 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于ICA的分类诊断方法 | 第38-46页 |
| 4.1 引言 | 第38-39页 |
| 4.2 ICA特征提取模型 | 第39-41页 |
| 4.3 可对新增单一受试者提取特征的ICA模型 | 第41-42页 |
| 4.4 实验结果与分析 | 第42-45页 |
| 4.4.1 受试者数据 | 第43页 |
| 4.4.2 实验流程与结果分析 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 基于UMPCA-LS的分类诊断方法 | 第46-57页 |
| 5.1 引言 | 第46-47页 |
| 5.2 UMPCA-LS算法框架 | 第47-49页 |
| 5.2.1 sMRI数据的预处理 | 第48页 |
| 5.2.2 UMPCA特征提取 | 第48页 |
| 5.2.3 LS特征选择 | 第48-49页 |
| 5.2.4 SVM分类诊断 | 第49页 |
| 5.3 UMPCA算法 | 第49-51页 |
| 5.4 LS算法 | 第51-52页 |
| 5.5 实验结果与分析 | 第52-56页 |
| 5.5.1 受试者数据 | 第52-53页 |
| 5.5.2 实验一 | 第53-54页 |
| 5.5.3 实验二 | 第54-55页 |
| 5.5.4 实验三 | 第55-56页 |
| 5.6 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间的研究成果 | 第67-68页 |
| 学位论文评闽及答辩情况表 | 第68页 |
