| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-23页 |
| ·EEG-fMRI 融合的研究背景 | 第13-14页 |
| ·EEG-fMRI 融合的研究状况 | 第14-17页 |
| ·Friston 课题组 | 第15-16页 |
| ·Calhoun 课题组 | 第16页 |
| ·Valdes-Sosa 课题组 | 第16-17页 |
| ·EEG-fMRI 融合的主要应用 | 第17-20页 |
| ·癫痫 | 第17-18页 |
| ·大脑节律 | 第18-19页 |
| ·睡眠 | 第19页 |
| ·动物模型 | 第19-20页 |
| ·EEG-fMRI 融合的主要问题 | 第20-21页 |
| ·本文的主要工作 | 第21-22页 |
| ·本文的内容安排 | 第22-23页 |
| 第二章 EEG-fMRI 融合的理论与技术基础 | 第23-36页 |
| ·神经生理基础 | 第23-25页 |
| ·EEG 的神经生理基础 | 第23-24页 |
| ·fMRI 的神经生理基础 | 第24-25页 |
| ·同步采集的技术基础 | 第25-30页 |
| ·设备和装置 | 第25-27页 |
| ·材料 | 第26页 |
| ·导线连接 | 第26页 |
| ·磁谐放大器 | 第26-27页 |
| ·数据采集方法 | 第27-28页 |
| ·分开采集法 | 第27页 |
| ·交替采集法 | 第27-28页 |
| ·同步采集法 | 第28页 |
| ·同步扫描的技术问题 | 第28-30页 |
| ·安全性 | 第28-29页 |
| ·影像伪迹 | 第29页 |
| ·EEG 伪迹去除 | 第29-30页 |
| ·融合的开源软件 | 第30-31页 |
| ·融合模型及算法 | 第31-35页 |
| ·基于fMRI 约束的EEG 成像 | 第32-33页 |
| ·基于EEG 信息的fMRI 分析 | 第33-34页 |
| ·EEG-fMRI 对称融合 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 基于fMRI 功能网络的EEG 源定位 | 第36-60页 |
| ·引言 | 第36-37页 |
| ·方法原理 | 第37-42页 |
| ·经验贝叶斯模型 | 第37-38页 |
| ·先验信息 | 第38-39页 |
| ·网络先验与网络源定位 | 第39-40页 |
| ·约束最大似然估计 | 第40-41页 |
| ·NESOI 的处理流程 | 第41-42页 |
| ·模拟实验检验 | 第42-48页 |
| ·正演模型 | 第43页 |
| ·模拟EEG 数据 | 第43-44页 |
| ·评价指标 | 第44页 |
| ·模拟实验结果 | 第44-48页 |
| ·不同定位方法的对比 | 第44-46页 |
| ·NESOI 和dSPM 的对比 | 第46-47页 |
| ·NESOI 的稳健性 | 第47-48页 |
| ·真实数据检验 | 第48-57页 |
| ·多模态人脸识别研究 | 第48-52页 |
| ·数据的获取与正演模型 | 第48-49页 |
| ·功能网络提取 | 第49-50页 |
| ·模型比较 | 第50-52页 |
| ·痫样放电的定位 | 第52-57页 |
| ·研究对象 | 第52页 |
| ·MRI/fMRI 数据获取与头模型 | 第52-53页 |
| ·EEG 数据获取与预处理 | 第53-54页 |
| ·功能网络提取 | 第54-55页 |
| ·模型比较 | 第55-57页 |
| ·结果讨论 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第四章 基于EEG 信息的HRF 重建与时空对称融合 | 第60-78页 |
| ·引言 | 第60-61页 |
| ·基于EEG 信息的HRF 重建 | 第61-64页 |
| ·单次实验特征提取 | 第62页 |
| ·经验贝叶斯模型 | 第62-64页 |
| ·时空对称融合 | 第64-68页 |
| ·STEFF 的核心算法 | 第64-66页 |
| ·数据预处理 | 第66页 |
| ·分组ICA | 第66-67页 |
| ·STEFF 的处理流程 | 第67-68页 |
| ·模拟实验检验 | 第68-73页 |
| ·模拟数据 | 第70-71页 |
| ·分组ICA | 第71页 |
| ·实验结果 | 第71-73页 |
| ·讨论 | 第73-77页 |
| ·STEFF 与分组ICA | 第73-74页 |
| ·STEFF 与数据/模型驱动的融合 | 第74-75页 |
| ·EEG 与fMRI 间的稀疏匹配 | 第75页 |
| ·STEFF 对融合的贡献 | 第75-77页 |
| ·本章小结 | 第77-78页 |
| 第五章 基于时空对称融合的癫痫机制研究 | 第78-96页 |
| ·引言 | 第78-80页 |
| ·资料与方法 | 第80-84页 |
| ·研究对象与临床信息 | 第80-81页 |
| ·采集同步EEG-fMRI 数据 | 第81-82页 |
| ·提取IED 特征与fMRI 数据处理 | 第82页 |
| ·EEG-fMRI 时空对称融合 | 第82-84页 |
| ·性能评价指标 | 第84页 |
| ·结果 | 第84-92页 |
| ·基于STEFF 的癫痫网络成像 | 第84-87页 |
| ·病例报告 | 第87-92页 |
| ·讨论 | 第92-95页 |
| ·IED 相关成分的时空特征 | 第93页 |
| ·IED 相关成分与EEG 源成像的关系 | 第93-94页 |
| ·STEFF 对IED 相关成分的细分 | 第94-95页 |
| ·本章小结 | 第95-96页 |
| 第六章 互补模态信息融合的统一框架 | 第96-112页 |
| ·引言 | 第96-97页 |
| ·混合的融合 | 第97-102页 |
| ·互补的神经生理特征 | 第97-98页 |
| ·基于ICA 的融合 | 第98-102页 |
| ·时空对称融合 | 第102-106页 |
| ·STEFF | 第102-103页 |
| ·变分贝叶斯推断 | 第103-104页 |
| ·融合中的阴阳特征 | 第104-106页 |
| ·大尺度脑网络 | 第106-109页 |
| ·功能网络连接 | 第107页 |
| ·多模态功能网络连接 | 第107-109页 |
| ·讨论 | 第109-111页 |
| ·模型驱动与数据驱动的融合 | 第109-111页 |
| ·EEG-fMRI 融合的科学问题 | 第111页 |
| ·本章小结 | 第111-112页 |
| 第七章 总结和展望 | 第112-114页 |
| ·本论文工作总结 | 第112-113页 |
| ·展望 | 第113-114页 |
| 致谢 | 第114-115页 |
| 参考文献 | 第115-135页 |
| 作者攻读博士期间的研究论文成果 | 第135-139页 |