摘要 | 第5-7页 |
Abstract | 第7-9页 |
目录 | 第10-12页 |
第一章 绪论 | 第12-21页 |
1.1 研究背景和意义 | 第12-14页 |
1.2 国内外研究现状 | 第14-17页 |
1.3 本文研究目标和主要研究内容及论文组织结构 | 第17-21页 |
第二章 fMRI数据特点及常用分析方法概述 | 第21-34页 |
2.1 fMRI数据原理及特点 | 第21-25页 |
2.2 fMRI数据预处理 | 第25-26页 |
2.3 fMRI数据分析方法综述 | 第26-33页 |
2.3.1 模型驱动类方法 | 第26-29页 |
2.3.2 数据驱动类方法 | 第29-33页 |
2.4 本章小结 | 第33-34页 |
第三章 基于多维导数约束的稀疏表示方法在fMRI体素选择和神经解码分析中的应用 | 第34-50页 |
3.1 引言 | 第34-36页 |
3.2 方法 | 第36-40页 |
3.2.1 张量表示框架下的稀疏体素选择信号模型 | 第36-39页 |
3.2.2 基于多维导数约束的鲁棒稀疏体素选择方法(RVSMDC) | 第39-40页 |
3.2.3 基于多维导数约束的鲁棒神经解码方法(RSDMDC) | 第40页 |
3.3 实验结果与分析 | 第40-49页 |
3.4 本章小结 | 第49-50页 |
第四章 基于凸分析框架的盲分离算法在fMRI数据分析中的应用 | 第50-68页 |
4.1 引言 | 第50-52页 |
4.2 方法 | 第52-58页 |
4.2.1 数学模型 | 第52-53页 |
4.2.2 fMRI数据盲分解算法 | 第53-56页 |
4.2.3 基于CTR分量的体素选择和解码分析 | 第56-58页 |
4.3 实验结果与分析 | 第58-67页 |
4.3.1 仿真数据分析 | 第58-61页 |
4.3.2 fMRI实验数据分析 | 第61-67页 |
4.4 本章小结 | 第67-68页 |
第五章 基于字典稀疏表示的盲分离算法在fMRI数据分析中的应用 | 第68-87页 |
5.1 引言 | 第68-69页 |
5.2 方法 | 第69-76页 |
5.2.1 数学模型 | 第69-70页 |
5.2.2 基于字典稀疏表示的fMRI数据分析方法 | 第70-76页 |
5.3 实验结果与分析 | 第76-86页 |
5.3.1 仿真数据分析 | 第76-79页 |
5.3.2 fMRI实验数据分析 | 第79-86页 |
5.4 本章小结 | 第86-87页 |
第六章 总结与展望 | 第87-90页 |
6.1 总结 | 第87-88页 |
6.2 展望 | 第88-90页 |
参考文献 | 第90-104页 |
攻读博士学位期间取得的研究成果 | 第104-107页 |
致谢 | 第107-108页 |
附件 | 第108页 |