基于转移熵的人脑因效连接网络分析研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 引言 | 第9-18页 |
| 1.1 论文研究背景及意义 | 第9-12页 |
| 1.2 国内外研究现状分析 | 第12-17页 |
| 1.2.1 人脑神经成像技术 | 第12-13页 |
| 1.2.2 人脑功能连接网络分析 | 第13-15页 |
| 1.2.3 人脑因效连接网络分析 | 第15-17页 |
| 1.3 本文主要研究内容及结构安排 | 第17-18页 |
| 第2章 基于模型的人脑因效连接网络 | 第18-27页 |
| 2.1 引言 | 第18页 |
| 2.2 Granger因果关系模型 | 第18-21页 |
| 2.2.1 两变量Granger因果关系模型 | 第18-20页 |
| 2.2.2 条件Granger因果关系模型 | 第20-21页 |
| 2.3 动态因果模型 | 第21-25页 |
| 2.3.1 基本模型 | 第21-24页 |
| 2.3.2 参数估计 | 第24页 |
| 2.3.3 先验因子 | 第24-25页 |
| 2.3.4 模型估计和选择 | 第25页 |
| 2.4 基于模型方法存在的问题 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于符号转移熵的人脑因效连接网络计算 | 第27-40页 |
| 3.1 引言 | 第27页 |
| 3.2 转移熵 | 第27-30页 |
| 3.2.1 转移熵理论 | 第27-28页 |
| 3.2.2 转移熵推导 | 第28-30页 |
| 3.3 基于改进的符号转移熵 | 第30-34页 |
| 3.3.1 时间序列符号化方法 | 第30-31页 |
| 3.3.2 改进的符号化方法 | 第31-33页 |
| 3.3.3 算法具体描述 | 第33-34页 |
| 3.4 实验结果与分析 | 第34-39页 |
| 3.4.1 实验数据 | 第34-36页 |
| 3.4.2 数据预处理 | 第36-38页 |
| 3.4.3 结果与分析 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于参数化转移熵的人脑因效连接网络分析 | 第40-53页 |
| 4.1 引言 | 第40页 |
| 4.2 基于参数化的转移熵计算 | 第40-47页 |
| 4.2.1 状态空间重构 | 第40-41页 |
| 4.2.2 转移熵的估计 | 第41-44页 |
| 4.2.3 嵌入参数优化 | 第44-45页 |
| 4.2.4 交互延迟优化 | 第45-46页 |
| 4.2.5 非参数显著性检验 | 第46-47页 |
| 4.3 算法具体描述 | 第47-48页 |
| 4.4 实验结果及分析 | 第48-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 本文总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 攻读硕士学位期间取得的学术成果 | 第61-62页 |
| 致谢 | 第62页 |
