面向脑疾病分类的结构磁共振影像特征学习方法研究

目录

声明

第一章 绪论

1.1 研究背景与意义

1.2 大脑的解剖学基础

1.3 结构磁共振影像技术

1.4 结构磁共振脑影像分类的特征学习研究现状

1.5 论文的研究贡献

1.6 论文组织结构

第二章 结构磁共振脑影像分类的相关技术

2.1 基于结构磁共振影像的形态学分析

2.1.1 基于体素的形态学分析

2.1.2 基于曲面的形态学分析

2.2 脑网络分析

2.2.1 脑网络的构建

2.2.2 网络的拓扑属性

2.3 机器学习的相关知识

2.3.1 特征选择

2.3.2 稀疏表示学习

2.3.2 主成分分析（PCA）

2.3.3 支持向量机（SVM）

2.4 本章小结

第三章 基于类别信息的流形正则化稀疏表示特征选择算法

3.1 相关工作

3.2 研究对象和方法

3.2.1 研究对象

3.2.2 基于类标信息的流形正则化稀疏表示特征选择算法

3.2.4 特征选择和分类

3.3 实验结果与分析

3.3.1实验一 阿尔茨海默症和轻度认知障碍的二分类研究

3.3.2 实验二 轻度认知障碍转化的二分类研究

3.3.3 实验三 阿尔茨海默症及其轻度认知障碍的三分类研究

3.3.4 讨论

3.4 本章小结

第四章 基于多结构特征的k近邻脑网络连接算法

4.1 相关工作

4.2 研究对象与方法

4.2.1 研究对象

4.2.2 研究框架

4.2.3 基于多结构特征的k近邻脑网络连接算法

4.2.4 基于图论的脑网络属性提取

4.2.5 特征选择和分类

4.3 实验结果与分析

4.3.1 实验结果

4.3.2 差异性连接

4.3.3 网络拓扑属性分析

4.3.4讨论

4.4本章小结

第五章 基于多结构特征的加权稀疏脑网络连接算法

5.1 相关工作

5.2 研究对象与方法

5.2.1 研究对象

5.2.2 研究框架

5.2.3基于多结构特征的加权稀疏脑网络连接算法

5.2.4 基于图论的脑网络属性提取

5.2.5 特征选择和分类

5.3 实验结果与分析

5.3.1 实验结果

5.3.2 差异性连接

5.3.3网络拓扑属性分析

5.3.4讨论

5.4本章小结

第六章 总结与展望

6.1总结

6.2展望

参考文献

攻读博士学位期间的研究成果及参与的课题

致 谢