基于多模态磁共振影像的精神分裂症分类与预测研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 模式分类在脑神经影像研究中的应用 | 第11-15页 |
| 1.3 模式回归在脑神经影像研究中的应用 | 第15-18页 |
| 1.4 主要研究内容 | 第18-19页 |
| 第二章 多模态磁共振成像分析方法简介 | 第19-23页 |
| 2.1 磁共振成像技术 | 第19-20页 |
| 2.1.1 结构磁共振成像原理 | 第19页 |
| 2.1.2 血氧水平依赖功能磁共振成像原理 | 第19-20页 |
| 2.2 静息状态功能磁共振图像常用的分析方法 | 第20-23页 |
| 2.2.1 局部区域的静息态数据分析方法 | 第20-21页 |
| 2.2.2 度中心度分析方法 | 第21-23页 |
| 第三章 机器学习方法及其在脑神经影像研究中的应用 | 第23-40页 |
| 3.1 特征提取和特征选择 | 第23-25页 |
| 3.2 交叉验证法 | 第25-27页 |
| 3.3 模型评价 | 第27-28页 |
| 3.4 常用的分类和回归算法 | 第28-40页 |
| 3.4.1 分类算法 | 第28-34页 |
| 3.4.2 回归算法 | 第34-40页 |
| 第四章 精神分裂症自动分类研究 | 第40-66页 |
| 4.1 材料和方法 | 第40-46页 |
| 4.1.1 研究对象 | 第40-41页 |
| 4.1.2 磁共振图像采集 | 第41-42页 |
| 4.1.3 数据预处理 | 第42-43页 |
| 4.1.4 临床和人口统计学特征分析 | 第43-44页 |
| 4.1.5 分类研究 | 第44-46页 |
| 4.2 结果 | 第46-63页 |
| 4.2.1 临床和人口统计学特征分析 | 第46-49页 |
| 4.2.2 分类结果 | 第49-55页 |
| 4.2.3 分类权重最大的脑区 | 第55-63页 |
| 4.3 讨论 | 第63-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 PANSS评分的个体化预测 | 第66-76页 |
| 5.1 材料和方法 | 第66-68页 |
| 5.1.1 研究对象 | 第66页 |
| 5.1.2 个体化预测研究 | 第66-68页 |
| 5.2 结果 | 第68-74页 |
| 5.2.1 预测结果 | 第68-70页 |
| 5.2.2 对预测贡献最大的脑区 | 第70-74页 |
| 5.3 讨论 | 第74-75页 |
| 5.4 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-77页 |
| 6.1 总结 | 第76页 |
| 6.2 展望 | 第76-77页 |
| 参考文献 | 第77-85页 |
| 攻读硕士学位期间取得的研究成果 | 第85-86页 |
| 致谢 | 第86-87页 |
| 附件 | 第87页 |
