基于改进BIRCH算法的AD患者rs-fMRI数据的脑功能分区

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 脑功能分区研究现状

1.2.2 基于聚类的脑功能分区算法研究现状

1.2.3 BIRCH聚类算法研究现状

1.3 本文主要内容和组织结构

第二章 聚类算法相关理论

2.1 聚类算法的分类与原理

2.1.1 基于划分的聚类

2.1.2 基于密度的聚类

2.1.3 基于网格的聚类

2.1.4 基于模型的聚类

2.1.5 基于层次的聚类

2.2 BIRCH聚类算法的建立

2.2.1 聚类特征CF

2.2.2 聚类特征树CF-Tree

2.2.3 BIRCH算法过程

2.3 聚类评价指标

2.4 本章小结

第三章 rs-fMRI数据预处理和特征提取

3.1 静息态功能磁共振成像基础

3.1.1 物理生物基础

3.1.2 功能磁共振成像原理

3.2.1 rs-fMRI数据的特点

3.2.2 数据预处理一般步骤

3.3 rs-fMRI数据特征提取

3.3.1 局部一致性计算方法

3.3.2 低频振幅计算方法

3.4 本章小结

第四章 基于cophenet相关系数对BIRCH算法参数的确定

4.1 BIRCH算法的rs-fMRI数据聚类模型

4.2 BIRCH对rs-fMRI数据聚类的参数确定

4.2.1 基于cophenet相关系数的分支因子B的确定

4.2.2 基于cophenet相关系数的初始阈值T的确定

4.3 BIRCH算法与其他聚类算法实验结果对比分析

4.3.1 经典k-means算法聚类结果

4.3.2 FCM聚类结果

4.3.3 BIRCH算法聚类结果

4.4 本章小结

第五章 基于空间密度可调节距离改进BIRCH算法的脑功能分区

5.1 空间密度相似性距离的相关定义

5.2 脑体素分布中的空间相似性距离思想

5.3 基于空间密度可调节距离对BIRCH算法的改进

5.4 实验结果对比分析及应用

5.5 本章小结

第六章 总结与展望

6.1 研究内容总结

6.2 未来工作展望

参考文献

致谢