全文总字数：10611字
1. 研究目的与意义（文献综述）
1.1 研究目的及意义
人脑是自然界中最复杂的系统之一，一个多世纪以来，理解大脑的行为以及功能结构一直是一个持续进行的研究课题[1]。神经元之间的相互连接构成了大脑中信息传输的主要通路，并因此被认为与大脑实现各种功能息息相关[2]。这种物理连接组成了一个高度复杂的脑结构网络，是大脑进行信息处理和认知表达的生理基础。在大脑结构网络的基础上，各神经元之间、神经系统各部分之间的神经活动能够相互配合、相互协调的进行，因此在广泛的时空尺度上扩展成了动态的复杂功能网络。大脑的结构网络以及功能网络能够通过现代成像技术，例如磁共振成像（Magnetic Resonance Imaging，MRI），在宏观尺度上进行观察[3]。
基于血液氧合水平的功能磁共振成像（functional Magnetic Resonance Imaging, fMRI）技术因兼有较高的时间分辨率与空间分辨率，为研究人脑的功能提供了一种重要的手段。特别是静息态fMRI（resting-statefMRI，rs-fMRI）由于能够反映人脑的自发神经活动，已经成为神经科学领域和神经精神疾病领域的研究热点。已有研究表明，利用静息态fMRI数据得到的脑功能网络，有效地阐明了空间中分隔的脑区之间的虚拟连接特性，较好地展现了其识别大脑内部功能组织结构[23]，以及脑区之间的连接如何促进认知过程及导致大脑疾病的潜力[4-6]。
2. 研究的基本内容与方案
2.1 研究的基本内容
本研究基于静息态fMRI数据进行脑功能网络分割，根据大脑体素时间序列的相关性，通过合适的聚类算法对大脑进行划分，有效减少数据冗余，保留大脑潜在的功能组织结构与固有的功能特性，为解释大脑的行为提供强而有效的支持，也为疾病的早期诊断和治疗评价提供脑网络影像学标记。
2.2 研究的目标
3. 研究计划与安排
第1至3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。
第4至5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。
第6至9周：编程实现各算法，并进行仿真调试。
4. 参考文献（12篇以上）
[1] Sporns O. The human connectome: a complexnetwork[J]. Annals of the New York Academy of Sciences, 2012, 136:109–125.
[2] Smith S M, Vidaurre D, Beckmann C, et al.Functional connectomics from resting-state fMRI[J]. Trends in CognitiveSciences, 2013, 17(12):666-682.
[3] Craddock R C, Jbabdi S, Yan C G, et al.Imaging human connectomes at the macroscale[J]. Nature Methods, 2013, 10(6):524
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
