| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题的研究背景 | 第10-15页 |
| 1.1.1 脑功能成像与静息态磁共振成像 | 第10-12页 |
| 1.1.2 独立成分分析 | 第12-13页 |
| 1.1.3 语言和神经语言学 | 第13-15页 |
| 1.2 课题的研究现状 | 第15-16页 |
| 1.3 本文的研究内容 | 第16-18页 |
| 第二章 实验资料的获得 | 第18-26页 |
| 2.1 磁共振成像原理及磁共振扫描仪 | 第18-21页 |
| 2.1.1 MRI信号的产生机制 | 第18-20页 |
| 2.1.2 磁共振扫描仪 | 第20-21页 |
| 2.2 BOLD-fMRI的成像原理 | 第21-22页 |
| 2.3 实验资料的获得 | 第22-24页 |
| 2.3.1 脑基因超结构项目(GSP) | 第22-24页 |
| 2.3.2 本文实验数据的具体信息 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 实验数据预处理 | 第26-38页 |
| 3.1 fMRI数据预处理步骤及原理 | 第26-34页 |
| 3.1.1 时间层校正 | 第27-29页 |
| 3.1.2 头动校正 | 第29-31页 |
| 3.1.3 图像配准 | 第31页 |
| 3.1.4 空间标准化 | 第31-32页 |
| 3.1.5 空间平滑和时域滤波 | 第32-33页 |
| 3.1.6 静息态fMRI数据的预处理步骤 | 第33-34页 |
| 3.2 本文实验数据的预处理 | 第34-37页 |
| 3.2.1 静息态fMRI数据处理助手(DPARSF) | 第34页 |
| 3.2.2 本文实验预处理中的参数设置 | 第34-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 独立成分分析 | 第38-56页 |
| 4.1 ICA的模型 | 第38-40页 |
| 4.2 ICA的估计原理及常用的估计方法 | 第40-42页 |
| 4.2.1 两个估计原理 | 第40页 |
| 4.2.2 常用的估计方法, | 第40-41页 |
| 4.2.3 ICA中独立成分数目的估计 | 第41-42页 |
| 4.3 空间ICA与时间ICA | 第42-44页 |
| 4.4 成组独立成分分析 | 第44-48页 |
| 4.4.1 成组独立成分分析的模型 | 第45-46页 |
| 4.4.2 基于成组独立成分分析方法的数据处理流程 | 第46-48页 |
| 4.5 被试数据的ICA分析及其独立分量 | 第48-54页 |
| 4.5.1 实验工具箱及其参数设置 | 第48-49页 |
| 4.5.2 GIFT运行前的操作 | 第49-50页 |
| 4.5.3 ICA分析和独立分量的筛选 | 第50-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第五章 静息态功能连接网络的分析 | 第56-68页 |
| 5.1 脑功能连接 | 第56-57页 |
| 5.2 脑复杂网络及其统计特性参数 | 第57-59页 |
| 5.3 静息态功能连接网络的构建 | 第59-66页 |
| 5.3.1 相关系数及其样本空间 | 第59-60页 |
| 5.3.2 独立分量间相关系数的确定 | 第60页 |
| 5.3.3 功能连接网络的连接系数的整定 | 第60-62页 |
| 5.3.4 静息态下脑功能连接网络无向图及其整体统计特性 | 第62-64页 |
| 5.3.5 左(右)利手被试组的群组特征分析 | 第64-66页 |
| 5.4 本章小结 | 第66-68页 |
| 第六章 讨论与结论 | 第68-74页 |
| 6.1 讨论 | 第68-72页 |
| 6.1.1 静息状态脑中稳定存在的网络 | 第68-69页 |
| 6.1.2 语言功能相关脑区的定位及其功能连接 | 第69-71页 |
| 6.1.3 手动控制区及其与语言处理机制间的关系 | 第71-72页 |
| 6.2 结论 | 第72-74页 |
| 第七章 全文工作总结 | 第74-76页 |
| 参考文献 | 第76-84页 |
| 硕士研究生期间发表的期刊论文 | 第84-86页 |
| 致谢 | 第86-87页 |
