| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 静息态EEG/MEG 的研究背景 | 第8-9页 |
| 1.2 静息态EEG/MEG 的研究目的与意义 | 第9-10页 |
| 1.3 静息态EEG/MEG 的国内外研究现状 | 第10-11页 |
| 1.4 本文的主要内容 | 第11-12页 |
| 第二章 EEG/MEG 源空间重建及感兴趣区域选择 | 第12-22页 |
| 2.1 EEG/MEG 逆问题分析 | 第12-14页 |
| 2.1.1 EEG/MEG 的正问题与逆问题 | 第12页 |
| 2.1.2 EEG/MEG 逆问题模型选取 | 第12-14页 |
| 2.2 Beamformer 算法及仿真 | 第14-18页 |
| 2.2.1 Beamformer 算法 | 第15-17页 |
| 2.2.2 仿真研究 | 第17-18页 |
| 2.3 感兴趣区域的选取 | 第18-20页 |
| 2.3.1 布罗德曼分区 | 第18-19页 |
| 2.3.2 大脑皮质组织的语言功能区 | 第19-20页 |
| 2.4 本章小结 | 第20-22页 |
| 第三章 应用源空间上脑电信号的大脑偏侧化研究 | 第22-46页 |
| 3.1 脑电信号的形成原理及采集方法 | 第22-23页 |
| 3.1.1 EEG 数据说明 | 第23页 |
| 3.2 连通性分析方法 | 第23-25页 |
| 3.2.1 功能连接 | 第24页 |
| 3.2.2 效应连接 | 第24-25页 |
| 3.3 基于能量包络相关的功能连通性分析 | 第25-33页 |
| 3.3.1 能量包络相关分析 | 第25-30页 |
| 3.3.2 节点度 | 第30-33页 |
| 3.3.3 偏侧化分析 | 第33页 |
| 3.4 基于有向传递函数的效应连通性分析 | 第33-40页 |
| 3.4.1 多变量自回归模型 | 第34-35页 |
| 3.4.2 有向传递函数 | 第35-39页 |
| 3.4.3 流入信息和流出信息 | 第39页 |
| 3.4.4 信息流增益 | 第39-40页 |
| 3.5 基于聚类算法的源空间信号分析 | 第40-44页 |
| 3.5.1 聚类算法 | 第41页 |
| 3.5.2 Kmeans 算法 | 第41-44页 |
| 3.6 本章小结 | 第44-46页 |
| 第四章 应用源空间上脑磁信号的大脑偏侧化研究 | 第46-56页 |
| 4.1 脑磁信号的研究 | 第46-47页 |
| 4.1.1 磁脑信号形成原理及采集方法 | 第46-47页 |
| 4.1.2 MEG 数据说明 | 第47页 |
| 4.2 基于能量包络相关的功能连通性分析 | 第47-50页 |
| 4.2.1 能量包络相关 | 第47-50页 |
| 4.2.2 偏侧化分析 | 第50页 |
| 4.3 基于有向传递函数的效应连通性分析 | 第50-53页 |
| 4.3.1 直接传递函数 | 第50-53页 |
| 4.3.2 信息流增益 | 第53页 |
| 4.4 基于聚类算法的源空间信号分析 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56页 |
| 5.2 展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62页 |