隨著人工智能技術(shù)的發(fā)展和應用，人們逐漸意識到腦科學與類腦科學研究能對人類社會產(chǎn)生的顛覆性影響。本書介紹五類人腦磁共振圖像研究技術(shù)，包括大腦功能網(wǎng)絡動態(tài)特性度量方法研究、腦效應連接分析方法研究、多模態(tài)腦影像數(shù)據(jù)融合方法研究、人腦圖像配準算法研究以及人腦皮層表面形態(tài)學方法研究。
本書適合用作生物醫(yī)學工程、醫(yī)學圖像處理、神經(jīng)生物學、腦科學等領(lǐng)域的研究生教材或參考書，也可供從事腦科學與類腦科學專業(yè)的教學、科研及工程技術(shù)人員參考。
第1章 腦動態(tài)可變性研究方法及其應用
1.1 腦動態(tài)可變性研究概述
1.1.1 研究現(xiàn)狀
1.1.2 主要研究內(nèi)容和創(chuàng)新點
1.2 相關(guān)基礎(chǔ)知識
1.2.1 腦成像技術(shù)
1.2.2 功能磁共振原理
1.2.3 腦功能網(wǎng)絡分析
1.3 腦節(jié)點時間可變性測量方法
1.3.1 腦節(jié)點概述
1.3.2 靜息態(tài)fMRI數(shù)據(jù)采集
1.3.3 靜息態(tài)fMRI數(shù)據(jù)預處理
1.3.4 動態(tài)腦功能網(wǎng)絡構(gòu)建
1.3.5 腦節(jié)點時間可變性度量
1.3.6 健康被試腦節(jié)點時間可變性結(jié)果與討論
1.4 腦功能連接時間可變性度量方法
1.4.1 腦功能連接概述
1.4.2 靜息態(tài)MRI數(shù)據(jù)采集
1.4.3 靜息態(tài)fMRI數(shù)據(jù)預處理
1.4.4 動態(tài)腦功能網(wǎng)絡構(gòu)建
1.4.5 腦連接時間可變性度量
1.4.6 健康被試腦連接時間可變性的結(jié)果和討論
1.5 腦網(wǎng)絡動態(tài)特性分析方法在IBS中的應用
1.5.1 腸易激綜合征概述
1.5.2 被試情況
1.5.3 靜息態(tài)fMRI數(shù)據(jù)預處理
1.5.4 網(wǎng)絡特性分析
1.5.5 臨床及腦影像學統(tǒng)計分析方法
1.5.6 靜態(tài)腦網(wǎng)絡結(jié)果
1.5.7 動態(tài)腦網(wǎng)絡結(jié)果
1.5.8 靜態(tài)腦網(wǎng)絡和動態(tài)腦網(wǎng)絡結(jié)果比較及討論
1.6 展望
第2章 腦效應連接方法研究及其應用
2.1 腦效應連接研究概述
2.1.1 研究現(xiàn)狀
2.1.2 主要研究內(nèi)容和創(chuàng)新點
2.2 腦效應連接分析基礎(chǔ)知識
2.2.1 腦效應網(wǎng)絡的構(gòu)建
2.2.2 不同尺度的效應連接分析
2.2.3 獨立成分分析方法
2.2.4 基于GCA的效應連接計算與分析
2.3 腦網(wǎng)絡之間效應連接評估
2.3.1 腦網(wǎng)絡概述
2.3.2 基于空間ICA結(jié)合GCA的腦網(wǎng)絡效應連接評估方法
2.3.3 模擬實驗數(shù)據(jù)及結(jié)果討論
2.3.4 健康被試fMRI數(shù)據(jù)及結(jié)果討論
2.4 基于神經(jīng)網(wǎng)絡的非線性腦效應連接分析
2.4.1 基于神經(jīng)網(wǎng)絡的非線性效應連接分析方法
2.4.2 模擬數(shù)據(jù)及分析結(jié)果
2.4.3 健康被試fMRI數(shù)據(jù)及分析結(jié)果
2.5 效應連接分析方法在IBS患者中的應用
2.5.1 被試情況
2.5.2 靜息態(tài)￡MRI數(shù)據(jù)預處理
2.5.3 IBS患者腦區(qū)間效應連接異常結(jié)果及討論
2.5.4 基于空間ICA的IBS患者子網(wǎng)絡間效應連接分析結(jié)果
2.6 展望
第3章 多模態(tài)腦影像學融合方法研究及其應用
3.1 多模態(tài)融合方法研究概述
3.1.1 國內(nèi)外研究現(xiàn)狀
3.1.2 主要研究內(nèi)容和創(chuàng)新點
3.2 多模態(tài)融合研究的相關(guān)基礎(chǔ)知識
3.2.1 多模態(tài)腦影像學成像原理
3.2.2 腦影像學公共模板
3.2.3 腦圖像掩膜
3.3 基于多層次特征的數(shù)據(jù)級融合方法
3.3.1 基于多層次特征的數(shù)據(jù)級融合方法描述
3.3.2 腦影像學數(shù)據(jù)模擬及評估方法
3.3.3 結(jié)果討論及分析
3.4 基于GBDT的決策級融合方法
3.4.1 基于GBDT的決策級融合方法描述
3.4.2 健康被試影像學數(shù)據(jù)采集及其預處理
3.4.3 評估方法
3.4.4 結(jié)果
3.4.5 討論
3.5 兩種融合方法在IBS中的應用
3.5.1 被試情況
3.5.2 基于多層次特征的數(shù)據(jù)級融合方法在IBS中的應用
3.5.3 基于GBDT的決策級融合方法在IBS中的應用
3.6 展望
第4章 人腦圖像配準技術(shù)研究及其應用
4.1 人腦圖像配準技術(shù)研究概述
4.1.1 國內(nèi)外研究現(xiàn)狀
4.1.2 研究目的
4.1.3 主要研究內(nèi)容和創(chuàng)新點
4.2 配準研究理論基礎(chǔ)
4.2.1 醫(yī)學圖像配準的概念
4.2.2 醫(yī)學圖像配準的通用框架
4.2.3 人腦圖像數(shù)據(jù)集
4.3 基于逐級遞進和SURF算法的人腦醫(yī)學圖像配準算法
4.3.1 SURF算法
4.3.2 逐級遞進思想
4.3.3 基于逐級遞進和SURF算法的人腦醫(yī)學圖像配準算法
4.3.4 實驗結(jié)果與分析
4.4 基于改進的卷積神經(jīng)網(wǎng)絡人腦醫(yī)學圖像配準算法
4.4.1 卷積神經(jīng)網(wǎng)絡介紹
4.4.2 基于改進的卷積神經(jīng)網(wǎng)絡人腦醫(yī)學圖像配準算法
4.4.3 實驗結(jié)果與分析
4.5 面向人腦腫瘤圖像配準的應用
4.5.1 人腦腫瘤圖像與標準模板介紹
4.5.2 實驗結(jié)果與分析
4.6 展望
第5章 人腦形態(tài)學研究方法及其應用
5.1 腦形態(tài)學研究概述
5.1.1 國內(nèi)外研究現(xiàn)狀
5.1.2 主要研究內(nèi)容和創(chuàng)新點
5.2 基于人腦形態(tài)學分析的相關(guān)理論及基礎(chǔ)
5.2.1 磁共振成像的原理和優(yōu)勢
5.2.2 腦影像學公共模板
5.3 基于T1像邊緣擬合的大腦皮層復雜度求解方法
5.3.1 大腦皮層復雜度求解方法描述
5.3.2 數(shù)據(jù)來源
5.3.3 方法比較及評估
5.3.4 結(jié)果
5.3.5 分析與討論
5.4 大腦皮層復雜度求解方法在IBS中的應用
5.4.1 被試情況
5.4.2 基于T1像的大腦皮層復雜度求解方法在IBS中的應用
5.5 展望
參考文獻
書單推薦
