基于功能脑影像的临床变量值回归分析方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 注释表 | 第11-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 选题背景与研究意义 | 第13-15页 |
| 1.2 基于脑影像的回归分析 | 第15-17页 |
| 1.2.1 脑影像介绍 | 第15-16页 |
| 1.2.2 脑影像回归分析现状 | 第16-17页 |
| 1.3 本文的主要研究工作和内容安排 | 第17-19页 |
| 第二章 相关背景知识 | 第19-28页 |
| 2.1 引言 | 第19页 |
| 2.2 fMRI影像的分析处理方法 | 第19-22页 |
| 2.2.1 脑网络构建 | 第19-21页 |
| 2.2.2 低频振幅信息提取 | 第21-22页 |
| 2.3 回归模型的性能度量 | 第22-23页 |
| 2.4 线性回归模型及其基本概念 | 第23-25页 |
| 2.4.1 线性模型 | 第23页 |
| 2.4.2 线性回归模型 | 第23-25页 |
| 2.4.2.1 损失函数 | 第23-24页 |
| 2.4.2.2 正则化约束 | 第24-25页 |
| 2.5 多线性回归及其基本概念 | 第25-28页 |
| 2.5.1 多线性代数 | 第25页 |
| 2.5.2 多线性回归 | 第25-28页 |
| 第三章 基于多特征融合的脑网络回归 | 第28-43页 |
| 3.1 引言 | 第28-29页 |
| 3.2 多特征融合算法 | 第29-33页 |
| 3.2.1 算法框架 | 第30页 |
| 3.2.2 网络节点特征提取 | 第30页 |
| 3.2.3 网络边特征选择 | 第30-31页 |
| 3.2.4 特征融合 | 第31-32页 |
| 3.2.5 模型训练 | 第32-33页 |
| 3.3 实验设计与结果分析 | 第33-42页 |
| 3.3.1 实验设置 | 第33页 |
| 3.3.2 比较方法 | 第33-34页 |
| 3.3.3 实验结果与分析 | 第34-42页 |
| 3.3.3.1 ADvs.NC任务 | 第34页 |
| 3.3.3.2 ADvs.MCI任务 | 第34-38页 |
| 3.3.3.3 MCI vs.NC任务 | 第38-39页 |
| 3.3.3.4 EMCI vs. LMCI任务 | 第39-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于张量的正则化多线性回归 | 第43-55页 |
| 4.1 引言 | 第43-44页 |
| 4.2 正则化多线性回归 | 第44-46页 |
| 4.2.1 模型描述 | 第44页 |
| 4.2.2 模型求解 | 第44-45页 |
| 4.2.3 模型的收敛证明 | 第45-46页 |
| 4.3 实验设计与结果分析 | 第46-53页 |
| 4.3.1 实验设置 | 第46页 |
| 4.3.2 比较方法 | 第46-47页 |
| 4.3.3 实验结果与分析 | 第47-53页 |
| 4.3.3.1 Slow-5频段数据 | 第47-48页 |
| 4.3.3.2 Slow-4频段数据 | 第48-50页 |
| 4.3.3.3 Slow-3频段数据 | 第50-52页 |
| 4.3.3.4 Slow-2频段数据 | 第52-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 本文总结 | 第55-56页 |
| 5.2 未来工作展望 | 第56-57页 |
| 参考文献 | 第57-64页 |
| 致谢 | 第64-65页 |
| 在学期间的研究成果及发表的学术论文 | 第65页 |
