| 表目录 | 第1-8页 |
| 图目录 | 第8-11页 |
| 缩略语表 | 第11-13页 |
| 摘要 | 第13-15页 |
| Abstract | 第15-17页 |
| 第一章 绪论 | 第17-32页 |
| ·引言 | 第17-18页 |
| ·磁共振成像原理概述 | 第18-20页 |
| ·核磁共振现象 | 第18-19页 |
| ·磁共振成像 | 第19页 |
| ·功能磁共振成像 | 第19-20页 |
| ·脑连接分析研究现状 | 第20-28页 |
| ·脑的两种功能组织原则和脑连接分类 | 第20-22页 |
| ·国内外关于脑连接的研究现状 | 第22-28页 |
| ·论文的主要研究内容和组织结构 | 第28-32页 |
| ·论文的研究内容 | 第28-29页 |
| ·论文的主要贡献 | 第29-30页 |
| ·论文的组织结构 | 第30-32页 |
| 第二章 脑功能连接分析 | 第32-45页 |
| ·脑功能连接分析方法概述 | 第32-37页 |
| ·相关分析 | 第32-34页 |
| ·基于独立成分分析的功能连接分析方法 | 第34-37页 |
| ·重性抑郁症患者脑功能连接异常研究 | 第37-44页 |
| ·背景 | 第37页 |
| ·材料和方法 | 第37-39页 |
| ·结果 | 第39-43页 |
| ·讨论 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第三章 确定性动态因果建模 | 第45-66页 |
| ·确定性动态因果建模原理 | 第45-55页 |
| ·确定性动态因果建模概述 | 第45-46页 |
| ·神经活动状态方程 | 第46-47页 |
| ·血液动力学状态方程 | 第47-48页 |
| ·确定性动态因果模型的参数估计 | 第48-51页 |
| ·参数的先验分布 | 第51-53页 |
| ·统计推断 | 第53页 |
| ·基于确定性 DCM 的有效连接分析流程 | 第53-55页 |
| ·青少年网络成瘾患者反应抑制脑网络有效连接异常研究 | 第55-65页 |
| ·背景 | 第55-57页 |
| ·材料和方法 | 第57-60页 |
| ·结果 | 第60-63页 |
| ·讨论 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第四章 动态因果建模模型选择算法研究 | 第66-78页 |
| ·经典的动态因果建模模型选择算法 | 第66-69页 |
| ·基于贝叶斯因子的模型选择算法 | 第66-68页 |
| ·基于贝叶斯因子的模型选择算法实例 | 第68-69页 |
| ·基于网络发现的自动模型选择算法 | 第69-77页 |
| ·算法基本原理 | 第69-72页 |
| ·仿真验证 | 第72-77页 |
| ·本章小结 | 第77-78页 |
| 第五章 随机动态因果建模 | 第78-100页 |
| ·随机动态因果建模 | 第78-89页 |
| ·随机动态因果建模 | 第78-80页 |
| ·模型可行性及有效性分析 | 第80-84页 |
| ·仿真验证 | 第84-85页 |
| ·成组数据分析 | 第85-89页 |
| ·静息状态脑有效连接分析 | 第89-99页 |
| ·背景 | 第89-90页 |
| ·材料和方法 | 第90-93页 |
| ·结果 | 第93-98页 |
| ·讨论 | 第98-99页 |
| ·本章小结 | 第99-100页 |
| 第六章 广义滤波算法 | 第100-114页 |
| ·经典变分贝叶斯方法的原理 | 第100-102页 |
| ·广义滤波算法 | 第102-105页 |
| ·GF 算法基本原理 | 第102-104页 |
| ·GF 算法和随机 DCM | 第104-105页 |
| ·仿真分析 | 第105-107页 |
| ·仿真数据生成 | 第105-106页 |
| ·GF 算法和 DEM 算法性能对比 | 第106-107页 |
| ·fMRI 数据分析 | 第107-113页 |
| ·Attention 数据集 | 第107-110页 |
| ·网络成瘾数据集 | 第110-113页 |
| ·本章小结 | 第113-114页 |
| 第七章 结论与展望 | 第114-118页 |
| ·论文工作总结 | 第114-116页 |
| ·未来工作展望 | 第116-118页 |
| 致谢 | 第118-119页 |
| 参考文献 | 第119-127页 |
| 作者在学期间取得的学术成果 | 第127-128页 |
| 作者在学期间参与的主要研究工作 | 第128页 |