脑图像分类在神经精神疾病辅助诊断中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景和意义 | 第10-11页 |
| ·脑图像分类的难点问题 | 第11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文内容与贡献 | 第13-14页 |
| ·本文的结构安排 | 第14-16页 |
| 第二章 脑图像分类的理论与方法 | 第16-28页 |
| ·老年痴呆症概述 | 第16-18页 |
| ·疾病症状 | 第16-17页 |
| ·病理研究 | 第17页 |
| ·诊断方法和治疗 | 第17-18页 |
| ·脑成像介绍 | 第18-20页 |
| ·脑图像分类基本流程 | 第20-25页 |
| ·特征提取 | 第20-22页 |
| ·特征降维和特征选择 | 第22-23页 |
| ·分类方法介绍 | 第23-25页 |
| ·ADNI公共数据库 | 第25-27页 |
| ·ADNI项目简介 | 第25-26页 |
| ·ADNI数据库 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 SVM分类器 | 第28-37页 |
| ·最优分类超平面 | 第28-32页 |
| ·线性可分样本 | 第28-31页 |
| ·线性不可分样本 | 第31-32页 |
| ·支持向量机 | 第32-34页 |
| ·应用于多类问题的SVM | 第34-35页 |
| ·SVM工具包简介 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于MKL融合多模态特征的脑图像分类 | 第37-53页 |
| ·多模态特征 | 第37-40页 |
| ·多核学习 | 第40-42页 |
| ·Bagging策略分类器构造 | 第42-43页 |
| ·实验安排 | 第43-47页 |
| ·样本选取 | 第43-45页 |
| ·交叉验证 | 第45-46页 |
| ·实验流程和设置 | 第46-47页 |
| ·实验结果和分析 | 第47-52页 |
| ·第一组实验结果 | 第47-48页 |
| ·第二组实验结果 | 第48-49页 |
| ·对单模态和多模态的分析与比较 | 第49-50页 |
| ·对单核和多核学习的分析与比较 | 第50-51页 |
| ·多核模型分析 | 第51-52页 |
| ·实验结果总结 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第五章 引入特征选择的分类 | 第53-70页 |
| ·使用的特征选择算法 | 第53-61页 |
| ·原始的RELIEF算法 | 第53-55页 |
| ·迭代的RELIEF算法 | 第55-57页 |
| ·基于局部学习的特征选择 | 第57-61页 |
| ·实验流程设置 | 第61-63页 |
| ·特征选择实验设置 | 第61-62页 |
| ·实验流程和其他设置 | 第62-63页 |
| ·实验结果与分析 | 第63-69页 |
| ·迭代RELIEF特征选择 | 第63-64页 |
| ·基于局部学习的特征选择 | 第64-65页 |
| ·实验结果分析 | 第65-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 结论与展望 | 第70-72页 |
| ·本文主要工作及结论 | 第70页 |
| ·今后工作展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 个人简历 | 第77-78页 |
| 攻硕期间研究工作 | 第78页 |
