| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 本文主要研究内容 | 第16-18页 |
| 1.4 本文内容结构 | 第18-19页 |
| 第二章 图像预处理及特征提取与分类相关技术 | 第19-31页 |
| 2.1 引言 | 第19-20页 |
| 2.2 数据来源 | 第20页 |
| 2.3 核磁共振脑图像的预处理 | 第20-24页 |
| 2.3.1 磁共振图像的特点 | 第20-21页 |
| 2.3.2 核磁共振脑图像的预处理 | 第21-22页 |
| 2.3.3 基于核磁共振脑图像提取的特征 | 第22-24页 |
| 2.4 数据降维与分类器 | 第24-29页 |
| 2.4.1 数据降维 | 第24-27页 |
| 2.4.2 分类器模型 | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 基于监督局部线性嵌入方法的阿尔茨海默病MRI分类研究 | 第31-42页 |
| 3.1 引言 | 第31页 |
| 3.2 监督局部线性嵌入算法思想和步骤 | 第31-35页 |
| 3.2.1 LLE算法思想与步骤 | 第31-33页 |
| 3.2.2 SLLE算法思想与步骤 | 第33-35页 |
| 3.3 基于SLLE的阿尔茨海默早期阶段的特征提取 | 第35-41页 |
| 3.3.1 数据收集 | 第35页 |
| 3.3.2 可视化分析 | 第35-37页 |
| 3.3.3 不同特征提取方法的分类结果比较 | 第37-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于监督均化距离的局部线性嵌入对阿尔茨海默的早期诊断 | 第42-55页 |
| 4.1 引言 | 第42页 |
| 4.2 监督均化距离的局部线性嵌入算法 | 第42-48页 |
| 4.2.1 均化距离的算法思想 | 第42-46页 |
| 4.2.2 均化距离的LLE算法步骤 | 第46-47页 |
| 4.2.3 SMLLE算法思想与步骤 | 第47-48页 |
| 4.3 基于SMLLE的阿尔茨海默病早期分类研究 | 第48-54页 |
| 4.3.1 sMCI与aMCI的二分类实验 | 第48-49页 |
| 4.3.2 融合CSF特征的分类实验 | 第49-53页 |
| 4.3.3 基于多分类器的阿尔茨海默病早期诊断 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-58页 |
| 5.1 本文研究工作 | 第55-56页 |
| 5.2 展望 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-66页 |
| 攻读硕士学位期间发表的学术论文目录 | 第66-67页 |
| 攻读硕士学位期间参与的科研项目 | 第67页 |
