基于图论的阿尔茨海默病动态脑网络拓扑属性研究

目录

声明

第1章 绪论

1.1 研究背景和意义

1.2 国内外研究现状与趋势

1.2.1 脑网络的研究方法

1.2.2 功能连接分析方法

1.2.3 动态功能连接的估算方法

1.3 本文主要研究内容及结构安排

第2章 相关理论知识

2.1 脑成像技术

2.2 相关定义

2.3 线性ICA

2.3.1 ICA来源

2.3.2 线性ICA方法的数学模型

2.3.3 ICA在fMRI中的应用

2.4 基于图论的脑网络

第3章 基于局部效率的异常脑网络检测算法

3.1 引言

3.2 基于局部效率的异常脑网络检测算法

3.2.1 算法模型介绍

3.2.2 被试者

3.2.3 数据预处理

3.2.4 组信息引导的独立成分分析

3.2.5 网络的定义

3.2.6 动态功能连接分析

3.2.7 局部效率的计算

3.2.8 统计分析

3.3 实验结果

3.3.1 独立成分空间图谱以及对应的时间序列

3.3.2 网络定义结果

3.3.3 聚类状态

3.3.4 异常的脑网络

3.4 讨论

3.5 本章小结

第4章 基于非线性相关的Spearman异常脑区检测算法

4.1 引言

4.2 基于非线性相关的Spearman异常脑区检测算法

4.2.1 算法模型介绍

4.2.2 数据预处理

4.2.3 网络构建

4.2.4 Spearman分析

4.2.5 单个窗口网络构建

4.3.6 网络二值化

4.3.7 网络拓扑属性的计算

4.3.8 统计分析

4.3 实验结果

4.3.1 小世界属性

4.3.2 异常的脑区

4.4 讨论

（1）拓扑属性的差异

（2）异常的脑区

4.5 本章小结

第5章 总结与展望

5.1 本文总结

5.2 本文的创新点

5.3 未来展望

参考文献

在读期间发表的学术论文及研究成果

致谢