脑功能网络的成组独立成分分析

功能磁共振成像论文 主成分分析论文 成组独立成分分析论文 统计参数映射论文 空间独立成分分析论文 时
论文详情
磁共振成像技术是脑科学研究中最为有效的手段之一,它可以直观的展示大脑结构和功能的相关测量。神经图像分析技术则能从原始图像中提取出揭示大脑结构和功能特性的有效信息,为探索大脑的奥秘奠定基础。本论文以功能磁共振图像数据的多变量分析方法(独立成分分析)为研究重点,作为对比,将单变量方法(统计参数映射)也应用到了图像数据的处理中。由于数据处理对象是磁共振图像数据,因此,首先对磁共振成像技术的相关知识进行简要介绍;接着介绍了主成分分析和独立成分分析的理论知识,为成组独立成分分析方法的提出做铺垫;将成组独立成分分析方法应用到功能磁共振图像数据中,成功提取出了多个脑功能网络,并对每个功能网络进行了分析,然后将统计参数映射也应用到图像数据的分析中,对提取出的激活脑区进行了解析,并对这两种不同的方法进行了总结和对比;最后将功能磁共振图像数据进行平均化处理,然后再分别利用统计参数映射、时间独立成分分析和空间独立成分分析对图像数据进行分析,从激活脑区的结果来看,对磁共振图像数据进行平均化是合理而有效的,并对平均化处理之后的三种方法进行了总结和对比。
摘要第9-10页
ABSTRACT第10页
第一章 绪论第11-15页
    1.1 课题背景第11-13页
    1.2 本文所解决的问题第13页
    1.3 全文结构概述第13-15页
第二章 磁共振成像技术第15-21页
    2.1 核磁共振技术的发展历程第15页
    2.2 磁共振成像原理第15-17页
    2.3 功能磁共振成像第17-18页
    2.4 功能磁共振图像数据特点第18-19页
    2.5 磁共振数据分析方法第19-21页
第三章 主成分分析(PCA)和独立成分分析(ICA)第21-32页
    3.1 主成分分析第21-25页
        3.1.1 方差极大化的PCA第21-23页
        3.1.2 最小均方误差压缩的PCA第23-24页
        3.1.3 选择主成分的个数第24页
        3.1.4 PCA 的封闭形式计算第24-25页
    3.2 独立成分分析第25-32页
        3.2.1 模型定义和基本约束第25-27页
        3.2.2 ICA中的不确定性因素第27页
        3.2.3 变量的中心化第27-28页
        3.2.4 ICA估计方法第28-29页
        3.2.5 ICA在fMRI数据分析中的应用第29-32页
第四章 成组空间独立成分分析与统计参数映射第32-53页
    4.1 成组空间独立成分分析第32-46页
        4.1.1 成组空间独立成分分析模型第32-33页
        4.1.2 数据预处理第33-34页
        4.1.3 数据降维第34页
        4.1.4 独立成分的估计第34-35页
        4.1.5 数据反重构第35页
        4.1.6 成组空间独立成分分析的优势第35-36页
        4.1.7 实际数据分析第36-46页
    4.2 统计参数映射第46-51页
        4.2.1 统计参数映射理论第46-48页
        4.2.2 统计参数映射在实际数据中应用第48-51页
    4.3 方法总结第51-53页
第五章 基于平均脑的成组独立成分分析与统计参数映射第53-63页
    5.1 平均脑的SPM分析第53-55页
    5.2 平均脑的时间独立成分分析(tICA)第55-59页
    5.3 平均脑的空间独立成分分析(sICA)第59-61页
    5.4 方法总结第61-63页
第六章 总结与展望第63-66页
    6.1 论文总结第63-64页
    6.2 未来工作展望第64-66页
致谢第66-67页
参考文献第67-71页
作者在学期间取得的学术成果第71页
论文购买
论文编号ABS1122103,这篇论文共71页
会员购买按0.30元/页下载,共需支付21.3
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付35.5
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656