基于区域增长的ICA算法在fMRI数据处理上的研究应用
| 摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·脑功能定位的研究方法 | 第9-10页 |
| ·正电子发射断层成像技术(PET)简介 | 第10-11页 |
| ·脑功能磁共振成像技术(fMRI)简介 | 第11-14页 |
| ·脑功能成像研究现状 | 第14-16页 |
| ·本文所做的主要工作及意义 | 第16-18页 |
| 第二章 几种常见的fMRI数据处理方法 | 第18-27页 |
| ·相关分析法与t-检验 | 第18-20页 |
| ·典型相关分析方法(CCA) | 第20-22页 |
| ·主成分分析方法(PCA) | 第22-23页 |
| ·聚类分析 | 第23-27页 |
| 第三章 独立成分分析(ICA)理论与算法 | 第27-36页 |
| ·独立成分分析的研究进展 | 第27-28页 |
| ·独立成分分析的基本原理与算法 | 第28-30页 |
| ·独立成分分析的基本思想 | 第28-29页 |
| ·独立成分分析的主要判据 | 第29-30页 |
| ·独立成分分析的主要算法 | 第30-36页 |
| ·固定点算法 | 第30-31页 |
| ·梯度算法 | 第31-33页 |
| ·牛顿快速算法 | 第33-36页 |
| 第四章 基于区域增长的独立成分分析算法 | 第36-42页 |
| ·用于图像分割的区域增长算法 | 第36-37页 |
| ·区域增长算法的原理 | 第37-40页 |
| ·区域增长 | 第38页 |
| ·区域选择 | 第38-40页 |
| ·基于区域增长的独立成分分析算法 | 第40-42页 |
| 第五章 仿真实验与实际数据处理结果 | 第42-53页 |
| ·仿真实验 | 第43-48页 |
| ·仿真数据的产生 | 第43页 |
| ·仿真的结果及分析 | 第43-48页 |
| ·实际fMRI数据例子 | 第48-53页 |
| ·数据描述 | 第48-49页 |
| ·实际fMRI数据的实验结果及分析 | 第49-53页 |
| 第六章 结论与展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录一 实验程序 | 第58-68页 |
| 附录二 仿真实验的部分数据 | 第68-72页 |
| 附录三 实际fMRI数据处理的部分数据 | 第72-74页 |
| 攻读学位期间发表的学术论文 | 第74-76页 |
| 致谢 | 第76页 |
