第 1 章 中美飛行員選拔機(jī)制

1.1 美國(guó)飛行員選拔機(jī)制

1.1.1 基本資格審查

1.1.2 分類測(cè)試

1.1.3 身體測(cè)試

1.1.4 飛行經(jīng)驗(yàn)

1.1.5 標(biāo)準(zhǔn)智力測(cè)試

1.1.6 軍事資格測(cè)驗(yàn)

1.1.7 飛行履歷和試飛

1.1.8 醫(yī)療審查

1.1.9 評(píng)估和面試

1.1.10 培訓(xùn)

1.2 中國(guó)飛行員選拔機(jī)制

1.2.1 基本資格審核

1.2.2 軍事訓(xùn)練

1.2.3 飛行技術(shù)測(cè)試

1.2.4 身體技能測(cè)試

1.2.5 面試

1.2.6 安全背景核查

1.3 中、美飛行員選拔機(jī)制的優(yōu)點(diǎn)和缺點(diǎn)

第 2 章 神經(jīng)科學(xué)基礎(chǔ)

2.1 磁共振成像原理介紹

2.2 成熟飛行員灰質(zhì)腦區(qū)的特征

2.2.1 空間配準(zhǔn)

2.2.2 原點(diǎn)校正

2.2.3 組織分割

2.3 成熟飛行員腦區(qū)間連接特征

2.3.1 磁共振擴(kuò)散成像的指標(biāo)計(jì)算和纖維跟蹤

2.3.2 擴(kuò)散張量的相關(guān)標(biāo)量指標(biāo)

2.3.3 腦白質(zhì)纖維跟蹤技術(shù)

2.3.4 彌散譜成像纖維跟蹤

第 3 章 飛行員灰質(zhì)腦區(qū)結(jié)構(gòu)特征

3.1 MRI 數(shù)據(jù)處理

3.1.1 VBM 步驟

3.1.2 特征值提取

3.2 飛行員腦區(qū)特點(diǎn)的分析結(jié)果

3.3 飛行員認(rèn)知與行為特征

3.4 功能總結(jié)與結(jié)論

3.4.1 腦區(qū)重要性系數(shù)

3.4.2 腦區(qū)功能

3.4.3 能力聚類分析

第 4 章 飛行員腦區(qū)間連接特征分析

4.1 DSI 纖維跟蹤原理介紹

4.2 飛行員全腦腦區(qū)連接權(quán)值矩陣處理分析步驟

4.2.1 數(shù)據(jù)準(zhǔn)備

4.2.2 打開(kāi)軟件

4.2.3 全腦纖維追蹤

4.2.4 保存權(quán)值矩陣

4.3 平均權(quán)值矩陣求取方法

4.4 DSI STUDIO 的 AAL2 腦區(qū)編號(hào)說(shuō)明

第 5 章 飛行潛力評(píng)估算法

5.1 算法概述與介紹

5.2 機(jī)器學(xué)習(xí)在飛行潛力評(píng)估中的應(yīng)用

5.2.1 機(jī)器學(xué)習(xí)概述

5.2.2 機(jī)器學(xué)習(xí)基本名詞

5.2.3 機(jī)器學(xué)習(xí)算法分類

5.2.4 機(jī)器學(xué)習(xí)模型評(píng)估與選擇

5.2.5 機(jī)器學(xué)習(xí) SVM 模型

5.2.6 小結(jié)

5.3 腦影像機(jī)器學(xué)習(xí)模型構(gòu)建

5.3.1 安裝 Python 和主要庫(kù)

5.3.2 機(jī)器學(xué)習(xí)管道

5.3.3 結(jié)論

5.4 流程及程序代碼說(shuō)明

5.4.1 原點(diǎn)校正

5.4.2 DICOM 格式的圖像轉(zhuǎn)換為 NIFTI 格式

5.4.3 T1 圖像組織分割與空間標(biāo)準(zhǔn)化

5.4.4 T1 圖像平滑

5.4.5 提取 ROI 的 MATLAB 程序

5.4.6 深度學(xué)習(xí) MATLAB 程序

5.4.7 深度學(xué)習(xí) Python 程序

5.4.8 支持向量機(jī)的 Python 程序

第 6 章 中、美飛行員訓(xùn)練對(duì)比

6.1 中國(guó)飛行員訓(xùn)練過(guò)程概述

6.1.1 理論課程

6.1.2 地面訓(xùn)練

6.1.3 模擬器訓(xùn)練

6.1.4 實(shí)際飛行任務(wù)

6.1.5 技能和知識(shí)

6.1.6 面臨的挑戰(zhàn)

6.2 美國(guó)飛行員訓(xùn)練過(guò)程概述

6.2.1 基礎(chǔ)飛行訓(xùn)練

6.2.2 飛行技術(shù)訓(xùn)練

6.2.3 儀表飛行訓(xùn)練

6.2.4 高級(jí)技術(shù)訓(xùn)練

6.2.5 武裝飛行員訓(xùn)練

6.2.6 戰(zhàn)斗機(jī)飛行員訓(xùn)練

6.3 中、美飛行員訓(xùn)練的差距分析

第 7 章 基于神經(jīng)科學(xué)的訓(xùn)練方法

7.1 飛行特征閾值的選取方法

7.1.1 通過(guò)數(shù)據(jù)特征確定閾值

7.1.2 通過(guò)具體的問(wèn)題和應(yīng)用場(chǎng)景確定閾值

7.1.3 經(jīng)驗(yàn)閾值

7.1.4 閾值確定

7.2 關(guān)鍵腦區(qū)的訓(xùn)練方法

第 8 章 權(quán)值的確定方法

8.1 常用的權(quán)值確定算法介紹

8.1.1 最大熵方法

8.1.2 熵權(quán)法

8.1.3 支持向量機(jī)法

8.1.4 層次分析法

8.1.5 灰色關(guān)聯(lián)分析法

8.1.6 樸素貝葉斯算法

8.1.7 決策樹(shù)算法

8.1.8 遺傳算法

8.1.9 神經(jīng)網(wǎng)絡(luò)算法

8.2 權(quán)重確定方法的詳解

第 9 章 飛行訓(xùn)練方法提煉總結(jié)

9.1 關(guān)鍵腦區(qū)的訓(xùn)練方法總結(jié)

9.2 訓(xùn)練方法聚類分析

9.3 訓(xùn)練方法的聚類結(jié)果

第 10 章 結(jié)論和展望

參考文獻(xiàn)

編輯

分享