论文摘要
脑功能成像最大的优点就是无损伤,可以直接对人脑进行反复的非侵入性观察测量。在高级脑功能成像的研究中,数据处理是相当重要的一个环节。随着脑功能成像技术(PET、fMRI等)的发展,人们从中获取丰富的信息数据,用于脑功能区的定位、对功能新区的探索以及研究脑功能区之间的相互关系等。所以如何有效地从功能磁共振成像数据中提取脑功能活动的信息,对于探测脑功能活动、临床诊断和治疗研究具有重要的意义。论文针对fMRI数据多变量和高维的特性,采用支持向量机对脑功能状态进行有效的分类,来探测脑功能的活动,主要开展了以下几个方面的工作:1.首先解决功能磁共振数据和支持向量机之间的结合问题,即编程实现数据处理。利用仿真数据验证了程序的正确性和有效性。2.提出了用主成分分析(PCA)和对数据采用时间压缩两种方法对磁共振数据处理的分析比较,均能有效的探测到和实验相关的大脑活动区域(例如,视觉实验中大脑活动的区域主要集中在枕叶;而在左右手动实验中,大脑活动的区域主要集中在人类大脑的额叶皮质(frontal cortex)的一部分),为临床诊断和治疗提供了技术指导。实际的功能核磁共振数据分析表明支持向量机可能成为一种发现脑功能不同模式的新方法。综上所述,论文基于对功能磁共振信号的处理,分别对视觉活动和左右手动活动的定位进行了探讨和研究,从仿真和实际数据的处理得到的结论,均与生理病理学相符,证明了这些方法和应用的有效性与研究价值。
论文目录
摘要ABSTRACT第一章 绪论1.1 引言1.2 fMRI介绍1.2.1 fMRI技术1.2.2 BOLD原理1.2.3 fMRI的优缺点1.2.4 fMRI进展1.3 本文要解决的问题1.4 全文的结构安排第二章 磁共振数据2.1 功能图像数据的性质2.1.1 功能磁共振数据采集2.1.2 磁共振扫描中突出的问题2.2 功能图像数据的处理2.2.1 校正（Re-alignment）2.2.2 配准（Registration）2.2.3 归一化（Normalize）2.2.4 平滑（Smooth）2.3 功能数据的分析2.4 功能磁共振数据可视化方法第三章 处理磁共振数据的基本方法3.1 SPM软件基本原理3.1.1 SPM介绍3.1.2 SPM软件处理fMRI3.1.3 SPM空间预处理3.1.3.1 空间预处理3.1.3.2 脑图像配准3.1.3.3 图像平滑3.1.3.4 脑整体血流量效应的消除3.1.4 统计参数映射3.1.5 广义线性模型3.1.6 受解剖约束的假设3.1.7 没有解剖约束的假设和推理的水平3.2 SPM处理左右手动数据的结果3.3 主成分分析3.4 独立成分分析第四章 支持向量机（SVM）4.1 支持向量机理论背景4.2 SVM的核心思想4.3 SVM原理4.3.1 支持向量定义4.3.2 线性可分情况4.3.3 线性不可分的情况4.3.4 内积核函数4.3.5 基于支持向量机的判别框架4.3.6 SVM的本质优点4.3.7 Matlab中SVM工具箱介绍4.4 SVM多分类算法综述4.5 SVM仿真4.6 结论第五章 SVM处理视觉和手动fMRI数据5.1 认知科学介绍5.2 实验设计5.2.1 视觉实验设计5.2.1.1 视觉实验数据获取5.2.1.2 SVM处理本数据具体方法5.2.2 左右手动实验设计5.2.2.1 左右手动实验数据获取5.2.2.2 SVM处理本数据具体方法5.2.3 数据处理流程图5.2.4 数据预处理介绍5.2.4.1 数据的空间预处理5.2.4.2 数据降维5.2.4.3 数据的时间压缩5.3 训练阶段5.3.1 交叉验证5.3.2 区分向量介绍5.4 测试阶段5.5 实际数据的处理5.5.1 视觉数据的处理5.5.1.1 未采用时间压缩的处理流程5.5.1.2 未采用时间压缩的处理结果5.5.1.3 采用时间压缩的处理流程5.5.1.4 采用时间压缩的处理结果5.5.2 左右手动数据的处理5.5.2.1 采用时间压缩的处理流程5.5.2.2 采用时间压缩的处理结果5.6 小结第六章 总结和展望致谢参考文献附录攻硕期间取得的成果
相关论文文献
标签：功能磁共振成像论文; 统计参数成像论文; 支持向量机论文;
