基于深度学习的多模态脑图像识别方法研究

目录

声明

第1章 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 论文结构安排及研究内容

第2章 深度学习相关技术

2.1 自编码神经网络

2.2 稀疏编码神经网络

2.3 深度卷积神经网络

2.4 本章小结

第3章 脑神经影像与数据预处理

3.1 ADNI数据集

3.2 核磁共振成像

3.3 正电子发射计算机断层成像

3.4 本章小结

第4章 基于改进的拓扑稀疏编码的MRI脑图像分类

4.1 样本数据及预处理

4.2 改进的拓扑稀疏编码模型（ITSC）

4.3 基于ITSC的网络结构

4.4 实验结果与分析

4.5 本章小结

第5章 改进的L-BFGS稀疏降噪自编码网络及其在MRI脑图像识别中的应用

5.1 改进的L-BFGS稀疏降噪自编码方法

5.2 网络结构

5.3 实验结果与分析

5.4 小结

第6章 自适应加权集成卷积神经网络在MRI图像识别中的应用

6.1 自适应加权集成卷积神经网络

6.2 自适应加权系数

6.3 算法描述

6.4 实验结果与分析

6.5 小结

第7章 异构多模态脑图像识别研究

7.1 基于卷积神经网络的异构多模态脑图像识别方法

7.2 算法描述

7.3 实验结果与分析

7.4 小结

第8章 总结与展望

8.1 总结

8.2 展望

致谢

参考文献

作者简介

攻读硕士学位期间研究成果