| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文主要研究工作及论文结构安排 | 第11-13页 |
| 第二章 磁共振成像技术 | 第13-23页 |
| 2.1 磁共振成像原理 | 第13-15页 |
| 2.2 功能磁共振成像（fMRI） | 第15-19页 |
| 2.2.1 功能磁共振成像原理 | 第15-16页 |
| 2.2.2 静息态功能磁共振成像 | 第16-17页 |
| 2.2.3 fMRI 数据预处理工具 | 第17-19页 |
| 2.3 弥散张量成像（DTI） | 第19-22页 |
| 2.3.1 弥散张量成像原理 | 第19-20页 |
| 2.3.2 弥散张量成像的数据处理 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 独立成分分析在 fMRI 的研究 | 第23-38页 |
| 3.1 独立成分分析 | 第23-27页 |
| 3.1.1 独立成分分析的提出 | 第23页 |
| 3.1.2 独立成分分析的数学模型 | 第23-25页 |
| 3.1.3 主成分分析（PCA） | 第25-26页 |
| 3.1.4 独立成分分析算法 | 第26-27页 |
| 3.2 快速不动点算法（fastICA） | 第27-33页 |
| 3.2.3 fastICA 算法 | 第31-33页 |
| 3.3 CCA+空间 fastICA 算法 | 第33-35页 |
| 3.3.1 CCA 算法原理 | 第33-34页 |
| 3.3.2 CCA+空间 fastICA 算法定位 fMRI 功能区 | 第34-35页 |
| 3.4 数据处理及结果分析 | 第35-36页 |
| 3.4.1 仿真数据的处理 | 第35-36页 |
| 3.4.2 静息态 fMRI 数据的处理 | 第36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 基于 fMRI 的参考独立成分分析算法 | 第38-45页 |
| 4.1 参考独立成分分析（ICA-R）算法 | 第38-39页 |
| 4.1.1 问题的提出 | 第38页 |
| 4.1.2 算法原理 | 第38-39页 |
| 4.2 基于 ICA-R 算法提取默认网络 | 第39-41页 |
| 4.3 数据处理及结果分析 | 第41-44页 |
| 4.3.1 仿真数据的研究 | 第41-42页 |
| 4.3.2 静息态 fMRI 数据的研究 | 第42-43页 |
| 4.3.3 默认模式网络研究 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 基于 fMRI 和 DTI 融合的脑默认模式网络提取 | 第45-54页 |
| 5.1 纤维连接 ROI 的确定 | 第45-46页 |
| 5.1.1 图像空间配准 | 第45-46页 |
| 5.1.2 确定种子点 | 第46页 |
| 5.2 遗传+模拟退火算法的神经纤维追踪 | 第46-50页 |
| 5.2.1 遗传算法 | 第46-48页 |
| 5.2.2 遗传+模拟退火算法追踪纤维 | 第48-50页 |
| 5.3 基于 fMRI 与 DTI 融合的大脑默认网络研究 | 第50-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 硕士研究生发表论文 | 第61-62页 |
| 致谢 | 第62-63页 |
