| 摘要 | 第2-4页 |
| abstract | 第4-6页 |
| 缩略词表 | 第9-10页 |
| 第一章 前言 | 第10-19页 |
| 1.1 精神分裂症概述 | 第10页 |
| 1.2 眼动检查概述 | 第10-13页 |
| 1.2.1 眼动的脑机制概述 | 第11-12页 |
| 1.2.2 基本眼动任务介绍 | 第12-13页 |
| 1.3 精神分裂症与抑郁发作的眼动研究进展 | 第13-15页 |
| 1.3.1 精神分裂症眼动研究简述 | 第13-15页 |
| 1.3.2 抑郁发作眼动研究简述 | 第15页 |
| 1.4 机器学习（machine learning）算法介绍 | 第15-18页 |
| 1.4.1 基于PCA的特征选择 | 第16页 |
| 1.4.2 基于SVM的分类识别 | 第16-18页 |
| 1.5 研究的主要目标任务 | 第18-19页 |
| 第二章 研究对象与方法 | 第19-28页 |
| 2.1 研究对象 | 第19-20页 |
| 2.1.1 精神分裂症患者入组标准 | 第19页 |
| 2.1.2 抑郁发作入组标准 | 第19-20页 |
| 2.1.3 正常对照组 | 第20页 |
| 2.2 研究评估工具 | 第20-21页 |
| 2.3 研究设计 | 第21-22页 |
| 2.4 眼动数据 | 第22-26页 |
| 2.4.1 采集设备及参数设置 | 第22-23页 |
| 2.4.2 眼动程序 | 第23页 |
| 2.4.3 实验任务 | 第23-25页 |
| 2.4.4 眼动实验过程 | 第25-26页 |
| 2.5 数据分析 | 第26-28页 |
| 第三章 研究结果 | 第28-46页 |
| 3.1 一般人口学资料 | 第28-29页 |
| 3.2 平滑追踪任务 | 第29-34页 |
| 3.3 注视点稳定性任务 | 第34-37页 |
| 3.4 跳视任务 | 第37-38页 |
| 3.5 自由视图任务 | 第38-40页 |
| 3.6 机器学习诊断鉴别模型结果 | 第40-46页 |
| 第四章 讨论 | 第46-52页 |
| 4.1 精神分裂症和抑郁发作的眼动特征 | 第46-50页 |
| 4.1.1 平滑追踪 | 第46-47页 |
| 4.1.2 注视稳定性 | 第47-48页 |
| 4.1.3 跳视任务 | 第48-49页 |
| 4.1.4 自由视图任务 | 第49-50页 |
| 4.2 精神分裂症鉴别诊断模型建立 | 第50-52页 |
| 第五章 研究总结 | 第52-54页 |
| 5.1 研究结论 | 第52页 |
| 5.2 研究的创新性 | 第52页 |
| 5.3 研究不足与展望 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 致谢 | 第60-62页 |
| 在读期间发表的论文 | 第62-64页 |