近年来在脑研究中应用复杂网络和图论分析从网络的角度对大脑进行深入探究非常流行，结合机器学习的方法，在疾病病理研究、诊断和预测中具有广阔应用前景。对于不同疾病或者不同模态数据，脑网络的构建以及分析方法是有差异的，先前的研究多集中在群组网络层面以病理分析为主，而缺少个体网络研究，同时脑影像种类繁多，如何深入挖掘不同脑影像间的内在联系也是亟需解决的问题。本文主要围绕脑蛋白数据的分析展开研究，通过脑网络的方法来研究与MCI高度相关的Tau蛋白和Aβ蛋白，发掘脑蛋白数据与MCI疾病的发病机制关系等。

第1章 脑研究概述
1.1 引言
1.2 大脑的结构在解剖学中的定义以及脑区作用
1.3 正电子发射型计算机断层显像成像原理
1.4 脑连接网络的研究现状
1.5 脑功能子网络的研究现状
1.6 本书的组织结构
第2章 脑蛋白网络模型构建理论基础与分析方法
2.1 数据处理及部分容积效应
2.2 脑蛋白网络的关键构建技术及相关理论
2.3 统计分析方法
2.4 机器学习算法
2.5 本章小结
第3章 基于多模态脑蛋白功能子网络的MCI病理机制研究
3.1 引言
3.2 研究方法
3.3 实验结果
3.4 结果讨论
3.5 本章小结
第4章 基于Fau蛋白连接网络的MCI病理机制研究
4.1 引言
4.2 研究方法
4.3 ApoE 4基因及脑脊液异常诱发Tau蛋白连接网络变化模式研究
4.4 ApoE 4基因对Tau蛋白连接网络鲁棒性影响的研究
4.5 本章小结
第5章 基于脑蛋白网络量化特征的辅助诊断研究
5.1 引言
5.2 脑蛋白功能子网络特征在.MCI ql=I的辅助诊断研究
5.3 多蛋白特征融合脑连接网络在MCl辅助诊断中的研究
5.4 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
附录
附表1 AAL缩写及中英文对照表
附表2 中国科学院246脑区英文及缩写表
附表3.1 CSF T-Tau值与Tau-PET各脑区值的相关性
附表3.2 CSF T-Tau与全脑Tau-PET值的相关性
附表3.3 CSF P-Tau值与Tau-PET各脑区值的相关性
附表3.4 CSF P-Tau与全脑Tau-PET值的相关性
参考文献