×
静息态功能脑网络构建分析方法及其在抑郁症中的应用

静息态功能脑网络构建分析方法及其在抑郁症中的应用

1星价 ¥52.9 (4.9折)
2星价¥52.9 定价¥108.0

温馨提示:5折以下图书主要为出版社尾货,大部分为全新(有塑封/无塑封),个别图书品相8-9成新、切口有划线标记、光盘等附件不全详细品相说明>>

暂无评论
图文详情
  • ISBN:9787030622464
  • 装帧:一般纯质纸
  • 册数:暂无
  • 重量:暂无
  • 开本:26cm
  • 页数:204页
  • 出版时间:2021-03-01
  • 条形码:9787030622464 ; 978-7-03-062246-4

内容简介

近年来,静息态功能脑网络方法得到了快速发展。作为复杂网络理论在神经影像领域的重要应用,静息态功能脑网络具备很强的临床价值。其作为重要的分析工具,为脑疾病诊断提供了新的思路。 本书比较全面地综述了静息态功能脑网络的国内外研究现状和发展趋势,介绍了静息态功能脑网络的基础理论和研究方法,探讨了多种不同网络的构建和分析方法及其在抑郁症患者诊断中的应用。 本书可作为人工智能、复杂网络、神经影像等专业的高年级本科生、硕士研究生、博士研究生和脑网络爱好者研究和学习的教材或参考书。

目录

前言 第1章 绪论 1.1 脑网络概述 1.2 静息态功能脑网络发展现状 1.2.1 静息态功能脑网络的构建及分析 1.2.2 功能脑网络在脑疾病中的应用研究 1.2.3 静息态方法在抑郁症中的研究 1.2.4 基于解剖距离的脑网络建模 1.2.5 静息态功能脑网络时间效应分析 1.2.6 静息态功能脑网络空间效应分析 1.2.7 机器学习方法在功能磁共振影像数据中的研究 1.3 本书主要内容 1.4 本书组织结构安排 1.5 本章小结 第2章 静息态功能脑网络构建 2.1 被试的选择 2.2 数据采集及预处理 2.3 功能脑网络构建 2.3.1 节点的定义 2.3.2 边的定义 2.3.3 阈值选择 2.3.4 脑网络构建结果 2.3.5 随机网络的生成 2.4 本章小结 第3章 功能脑网络指标分析及分类模型构建 3.1 网络指标 3.1.1 局部节点指标 3.1.2 全局网络指标 3.2 差异分析 3.2.1 全局网络指标分析 3.2.2 局部节点指标分析 3.3 分类研究 3.3.1 分类模型构建 3.3.2 特征重要性 3.4 本章小结 第4章 功能脑网络模块划分及差异分析 4.1 复杂网络模块性 4.1.1 模块划分算法 4.1.2 模块化指标 4.2 脑网络模块划分结果分析 4.2.1 阈值选择 4.2.2 划分结果 4.3 抑郁组模块划分差异分析 4.3.1 核团与亲密度 4.3.2 抑郁症患者核团间亲密度的改变 4.4 节点角色与模块角色 4.4.1 节点角色与模块角色的定义 4.4.2 组间模块角色差异 4.4.3 组间节点角色差异 4.5 分类研究 4.6 本章小结 第5章 静息态功能脑网络的基因影响 5.1 基因与脑网络 5.2 GSK3β基因与抑郁症 5.3 基因分型及数据采集 5.4 差异分析 5.4.1 基因型组间差异脑网络指标分析 5.4.2 基因型及疾病状态交互效应分析 5.4.3 脑网络差异指标与HAMD评分关联分析 5.4.4 结果讨论 5.5 分类研究 5.5.1 疾病状态分类 5.5.2 基因型分类 5.5.3 疾病状态及基因型分类 5.5.4 特征重要性 5.6 本章小结 第6章 抑郁症局部一致性指标差异分析 6.1 ReHo 6.1.1 数学定义 6.1.2 相邻体素的定义 6.2 抑郁症差异分析 6.3 分类研究 6.4 本章小结 第7章 *小生成树功能脑网络 7.1 *小生成树 7.2 *小生成树脑网络构建 7.2.1 网络构建和属性计算 7.2.2 频繁子图挖掘及可判别性度量 7.2.3 分类模型构建 7.3 异常拓扑属性分析 7.3.1 全局属性 7.3.2 局部属性 7.3.3 子图连接模式 7.3.4 分类性能 7.4 讨论分析 7.5 本章小结 第8章 高序*小生成树功能脑网络 8.1 高序功能脑网络 8.2 高序*小生成树网络构建 8.2.1 基于滑动窗口的高序功能网络 8.2.2 *小生成树 8.2.3 特征提取和选择 8.2.4 分类模型构建 8.3 异常拓扑属性及分类结果 8.3.1 可量化的脑区特征 8.3.2 频繁子图模式 8.3.3 分类性能 8.4 讨论分析 8.4.1 异常区域 8.4.2 分类结果分析 8.4.3 支持度对图特征的影响 8.4.4 *优加权参数对分类的影响 8.5 本章小结 第9章 静息态脑功能超网络 9.1 脑功能超网络 9.2 超图 9.3 网络构建及指标计算 9.3.1 超网络创建 9.3.2 基于LASSO方法的稀疏线性回归模型求解 9.3.3 基于Elastic-net方法的稀疏线性回归模型求解 9.3.4 基于Group LASSO方法的稀疏线性回归模型求解 9.3.5 指标计算 9.3.6 特征选择与分类 9.4 网络结构及异常拓扑属性对比分析 9.4.13 种方法的网络结构比较 9.4.2 异常脑区 9.4.3 分类性能 9.5 讨论分析 9.6 参数影响 9.6.1 聚类数量k的影响 9.6.2 正则化参数λ1和λ2的影响 9.6.3 SVM分类参数c和g的影响 9.7 本章小结 第10章 节点规模对脑网络拓扑指标的影响 10.1 节点规模对网络拓扑的影响 10.2 多节点规模定义的网络构建 10.2.1 节点定义 10.2.2 连接定义 10.2.3 阈值选择 10.2.4 网络指标 10.2.5 随机网络的构建 10.2.6 统计分析 10.3 不同节点规模对网络拓扑属性的影响 10.3.1 对功能连接的影响 10.3.2 对网络连通性的影响 10.3.3 对全局属性的影响 10.3.4 对小世界标量的影响 10.4 讨论分析 10.5 本章小结 第11章 节点规模对特征选择及分类的影响 11.1 节点规模对分类特征选择的影响 11.2 网络构建及指标计算 11.2.1 网络指标及统计方法 11.2.2 特征选择及分类器 11.2.3 分类特征评估 11.3 特征选择及分类性能的尺度影响 11.3.1 统计显著性P
展开全部

作者简介

郭浩,博士后,教授,硕士生导师,太原理工大学人工智能系主任,国际计算机学会会员,中国计算机学会高级会员,教育部学位中心通讯评议专家,山西省专家学者协会理事,山西省“三晋英才”支持计划青年优秀人才。主要从事人工智能、智能信息处理、脑信息学、医疗大数据研究等方向的研究和教学工作。主持国家自然科学基金项目2项、省部级科研项目多项。在国内外学术期刊及会议上发表论文30余篇,担任《计算机科学》、IEEE Access、Informatics in Medicine Unlocked、Journal of Affective Disorders、Pattern Recognition Letters等杂志审稿专家。申请并获批软件著作权2项,申请发明专利16项,授权4项,出版专著1部。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航