本書介紹作者團隊近年來在腦影像智能分析方向的最新進展和技術方法，作者團隊自2010年開始將機器學習技術應用于腦影像分析，在腦影像重建、校準、分割、分類以及預測等方面開展了系列研究。本書首先介紹了腦影像數據的預處理方法，然后給出了基礎的腦影像分類和預測方法，最后給出了高級的腦影像智能分析案例。讀者通過閱讀本書，可以對腦影像智能分析有較為直觀和全面的了解。
國家級人才工程入選者、國際模式識別學會會士（IAPR Fellow），獲國家自然科學基金優青和重點項目等資助。獲國家自然科學二等獎1項、教育部自然科學一等獎和二等獎各1項。2014-2021連續8年入選Elsevier中國高被引學者榜。
目錄
序言
第1章 緒論 1
1.1 腦影像智能分析概述 1
1.2 腦影像智能分析應用 3
1.3 腦影像智能分析現狀 6
1.4 腦影像數據庫 8
1.5 腦影像分析主要挑戰 9
1.6 本書結構及閱讀建議 11
參考文獻 12
第2章 腦影像重建 16
2.1 腦影像重建綜述 16
2.2 基于樣本重加權的欠采樣矩陣學習 19
2.3 基于自監督邊緣融合網絡的磁共振成像影像重建.32
2.4 本章小結 38
參考文獻 39
第3章 腦影像功能校準 41
3.1 腦影像功能校準綜述 41
3.2 基于監督學習的功能校準方法 44
3.3 基于深度學習的功能校準方法 52
3.4 easy fMRI——人腦解碼和可視化工具箱 58
3.5 本章小結 59
參考文獻 59
第4章 腦影像分割 63
4.1 腦影像分割綜述 63
4.2 基于稀疏影像塊的多圖譜腦影像分割 65
4.3 基于解剖結構注意力網絡的分割方法 67
4.4 本章小結 73
參考文獻 73
第5章 腦影像分類 76
5.1 腦影像分類綜述 76
5.2 基于雙重注意力機制的多示例深度學習的阿爾茨海默病分類 79
5.3 基于樹形成組稀疏學習的精神分裂癥分類 89
5.4 本章小結 93
參考文獻 94
第6章 腦影像預測 97
6.1 腦影像預測綜述 97
6.2 基于多任務多尺度的自適應感受野神經網絡的阿爾茨海默病預測方法 98
6.3 基于sMRI的多任務弱監督注意力的癡呆狀態估計 107
6.4 本章小結 115
參考文獻 115
第7章 多模態腦影像融合 117
7.1 多模態腦影像融合綜述 117
7.2 多核融合方法 122
7.3 基于參考信息的多模態融合方法 126
7.4 基于三元組注意力網絡的多模態融合方法 132
7.5 本章小結 136
參考文獻 137
第8章 多中心腦影像分析 141
8.1 多中心腦影像分析綜述 141
8.2 基于低秩表示的多中心腦影像分析 143
8.3 基于聯邦學習的多中心腦影像分析 155
8.4 本章小結 162
參考文獻 162
第9章 腦網絡分析.165
9.1 腦網絡分析綜述 165
9.2 基于節點結構對齊嵌入表示的結構腦網絡分析166
9.3 基于靜態-動態卷積網絡的功能腦網絡分析 174
9.4 基于注意力擴散雙線性神經網絡的多模態腦網絡分析 182
9.5 本章小結 189
參考文獻 190
第10章 腦影像-基因關聯分析 194
10.1 腦影像-基因關聯分析綜述 194
10.2 基于樹形結構誘導的多基因位點與單表型關聯分析 195
10.3 基于診斷信息誘導的單基因位點與多模態多表型關聯分析 203
10.4 基于時間約束誘導的多基因位點與縱向多表型關聯分析 212
10.5 本章小結 219
參考文獻 220
第11章 腦發育研究 223
11.1 腦發育研究綜述 223
11.2 嬰兒期皮質厚度的發展研究 227
11.3 基于多尺度區域褶皺描述算子的嬰兒個體識別研究 234
11.4 嬰幼兒腦功能網絡模塊和核心節點發育研究 240
11.5 本章小結 248
參考文獻 248
彩圖
新書資訊