本书介绍作者团队近年来在脑影像智能分析方向的最新进展和技术方法，作者团队自2010年开始将机器学习技术应用于脑影像分析，在脑影像重建、校准、分割、分类以及预测等方面开展了系列研究。本书首先介绍了脑影像数据的预处理方法，然后给出了基础的脑影像分类和预测方法，最后给出了高级的脑影像智能分析案例。读者通过阅读本书，可以对脑影像智能分析有较为直观和全面的了解。
更多科学出版社服务，请扫码获取。
国家级人才工程入选者、国际模式识别学会会士（IAPR Fellow），获国家自然科学基金优青和重点项目等资助。获国家自然科学二等奖1项、教育部自然科学一等奖和二等奖各1项。2014-2021连续8年入选Elsevier中国高被引学者榜。
目录
序言
第1章 绪论 1
1.1 脑影像智能分析概述 1
1.2 脑影像智能分析应用 3
1.3 脑影像智能分析现状 6
1.4 脑影像数据库 8
1.5 脑影像分析主要挑战 9
1.6 本书结构及阅读建议 11
参考文献 12
第2章 脑影像重建 16
2.1 脑影像重建综述 16
2.2 基于样本重加权的欠采样矩阵学习 19
2.3 基于自监督边缘融合网络的磁共振成像影像重建.32
2.4 本章小结 38
参考文献 39
第3章 脑影像功能校准 41
3.1 脑影像功能校准综述 41
3.2 基于监督学习的功能校准方法 44
3.3 基于深度学习的功能校准方法 52
3.4 easy fMRI——人脑解码和可视化工具箱 58
3.5 本章小结 59
参考文献 59
第4章 脑影像分割 63
4.1 脑影像分割综述 63
4.2 基于稀疏影像块的多图谱脑影像分割 65
4.3 基于解剖结构注意力网络的分割方法 67
4.4 本章小结 73
参考文献 73
第5章 脑影像分类 76
5.1 脑影像分类综述 76
5.2 基于双重注意力机制的多示例深度学习的阿尔茨海默病分类 79
5.3 基于树形成组稀疏学习的精神分裂症分类 89
5.4 本章小结 93
参考文献 94
第6章 脑影像预测 97
6.1 脑影像预测综述 97
6.2 基于多任务多尺度的自适应感受野神经网络的阿尔茨海默病预测方法 98
6.3 基于sMRI的多任务弱监督注意力的痴呆状态估计 107
6.4 本章小结 115
参考文献 115
第7章 多模态脑影像融合 117
7.1 多模态脑影像融合综述 117
7.2 多核融合方法 122
7.3 基于参考信息的多模态融合方法 126
7.4 基于三元组注意力网络的多模态融合方法 132
7.5 本章小结 136
参考文献 137
第8章 多中心脑影像分析 141
8.1 多中心脑影像分析综述 141
8.2 基于低秩表示的多中心脑影像分析 143
8.3 基于联邦学习的多中心脑影像分析 155
8.4 本章小结 162
参考文献 162
第9章 脑网络分析.165
9.1 脑网络分析综述 165
9.2 基于节点结构对齐嵌入表示的结构脑网络分析166
9.3 基于静态-动态卷积网络的功能脑网络分析 174
9.4 基于注意力扩散双线性神经网络的多模态脑网络分析 182
9.5 本章小结 189
参考文献 190
第10章 脑影像-基因关联分析 194
10.1 脑影像-基因关联分析综述 194
10.2 基于树形结构诱导的多基因位点与单表型关联分析 195
10.3 基于诊断信息诱导的单基因位点与多模态多表型关联分析 203
10.4 基于时间约束诱导的多基因位点与纵向多表型关联分析 212
10.5 本章小结 219
参考文献 220
第11章 脑发育研究 223
11.1 脑发育研究综述 223
11.2 婴儿期皮质厚度的发展研究 227
11.3 基于多尺度区域褶皱描述算子的婴儿个体识别研究 234
11.4 婴幼儿脑功能网络模块和核心节点发育研究 240
11.5 本章小结 248
参考文献 248
彩图
书单推荐
