文摘
英文文摘
插图索引
附表索引
第1章 绪论
1.1 研究背景与意义
1.2 研究现状及发展趋势
1.2.1 现有的处理fMRI数据的方法
1.2.2 静息态fMRI数据分析方法及应用
1.2.3 多变量的模式分类方法在脑结构功能中的应用
1.3 课题研究的主要内容
1.4 本文的内容安排
1.5 小结
第2章 相关研究知识介绍
2.1 磁共振成像技术介绍
2.1.1 磁共振原理
2.1.2 功能磁共振成像技术原理
2.1.3 功能磁共振成像数据的特点
2.2 模式分类预处理方法
2.2.1 离散化方法
2.2.2 主成分分析
2.2.3 独立成分分析
2.3 模式分类方法概述
2.3.1 支持向量机方法
2.3.2 基于显露模式(EP)的模式分类方法
2.3.3 朴素贝叶斯分类
2.3.4 K-最邻近分类
2.3.5 神经网络方法
2.4 模式分类结果评估方法
2.5 小结
第3章 基于离散化和支持向量机相结合的脑功能连接模式分类分析
3.1 数据采集与预处理
3.1.1 精神分裂症疾病简述
3.1.2 数据采集
3.1.3 静息功能像数据预处理
3.1.4 脑功能连接数据的获取
3.2 一种新的基于脑功能连接的精神分裂症患者的分类方法
3.2.1 基于信息熵的离散化方法
3.2.2 SMO算法
3.2.3 NCBFC算法描述
3.3 实验结果与分析
3.4 小结
第4章 基于增强跳跃显露模式的脑功能连接模式分类分析
4.1 实验数据介绍
4.2 基于增强跳跃显露模式的脑功能连接数据的模式分类分析
4.2.1 增强跳跃显露模式(SJEP)
4.2.2 挖掘SJEP模式
4.2.3 使用SJEP构建分类器
4.3 实验结果分析
4.4 小结
结论
参考文献
致谢
附录A 攻读硕士学位期间发表的论文目录
附录B 攻读硕士学位期间参加的项目