基于残差网络和迁移学习的微结构参数拟合及脑白质分析

声明

第1章 绪 论

1.1 课题研究背景及意义

1.2 课题研究现状

1.3 论文研究内容与结构安排

1.3.1 论文研究内容

1.3.2 本文结构安排

第2章 基础理论和相关方法

2.1磁共振扩散张量成像基本原理

2.1.1扩散加权成像

2.1.2扩散张量成像理论

2.1.3 扩散张量各向异性参数

2.2 微结构成像理论和方法

2.2.1 NODDI模型

2.2.2 拟合算法

2.3 成像仿真

2.4 深度学习算法

2.4.1 卷积神经网络

2.4.2 残差神经网络

2.5 本章小结

第3章 基于残差网络的微结构模型参数拟合方法

3.1 信号编码及残差网络

3.1.1 扩散信号的稀疏编码

3.1.2 数据驱动的残差网络学习

3.1.3 网络的优化策络

3.2 实验数据及参数设计

3.2.1 实验数据集的构建

3.2.2 实验环境的搭建及参数设计

3.3 实验结果与分析

3.3.1 仿真数据结果与分析

3.3.2 真实数据结果与分析

3.4 本章小结

第4章 迁移学习和基于微结构方法的白质分析

4.1 多动症DTI数据的构建

4.2 数据预处理和白质模板的选择

4.3 基于迁移学习的参数拟合

4.4 TBSS流程及白质差异性统计分析

4.4.1 TBSS流程

4.4.2 白质差异性统计分析流程

4.4.3 TBSS分析结果图

4.4.4 ROI脑区选择

4.4.5 白质纤维束脑区标量统计

4.5 不同微结构方法白质纤维束脑区标量统计结果比较

4.6 本章小结

结论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致谢