| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-17页 |
| 1.2.1 fMRI成像技术 | 第11-13页 |
| 1.2.2 基于静息态fMRI的脑网络研究现状 | 第13-14页 |
| 1.2.3 动态脑功能网络研究现状 | 第14-16页 |
| 1.2.4 BOLD信号稳定性判定方法研究现状 | 第16-17页 |
| 1.3 本文的主要研究内容及结构安排 | 第17-20页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 论文结构安排 | 第18-20页 |
| 第二章 脑网络状态观测矩阵的构建 | 第20-30页 |
| 2.1 数据采集与预处理 | 第20-22页 |
| 2.2 脑网络状态观测矩阵的构建 | 第22-24页 |
| 2.3 脑网络状态观测矩阵的降维及状态提取 | 第24-26页 |
| 2.4 脑网络状态辨识 | 第26-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 基于时间自动机的脑网络状态演化模型 | 第30-44页 |
| 3.1 脑网络状态演化模型的研究意义 | 第30-31页 |
| 3.2 时间自动机概述 | 第31页 |
| 3.3 基于时间自动机的脑网络状态演化模型构建方法 | 第31-38页 |
| 3.3.1 脑网络状态及转换规律研究 | 第31-32页 |
| 3.3.2 脑网络状态演化模型形式化定义 | 第32-34页 |
| 3.3.3 基于时间自动机的脑网络状态演化模型构建 | 第34-37页 |
| 3.3.4 其它时间建模方法对比讨论 | 第37-38页 |
| 3.4 时间自动机模型的验证工具UPPAAL | 第38-42页 |
| 3.4.1 模型的仿真与验证 | 第39-40页 |
| 3.4.2 异常被试模型的辨识 | 第40-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 基于动态演化模型的脑网络稳定状态辨识方法研究 | 第44-56页 |
| 4.1 判断BOLD信号稳定临界点的意义 | 第44-46页 |
| 4.2 生存分析和生存时间理论及方法 | 第46页 |
| 4.3 基于生存分析方法的BOLD信号稳定状态判定方法 | 第46-48页 |
| 4.4 基于生存理论的脑网络稳定状态分析 | 第48-54页 |
| 4.4.1 实验设计 | 第48-50页 |
| 4.4.2 脑网络稳定状态生存函数构建 | 第50-51页 |
| 4.4.3 实验结果分析 | 第51-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 不足和展望 | 第57-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-70页 |
| 附录A：攻读硕士学位期间发表论文目录 | 第70-72页 |
| 附录B：攻读硕士学位期间参与科研项目 | 第72页 |
