| 摘要 | 第1-8页 |
| ABSTRACT | 第8-14页 |
| 第一章 绪论 | 第14-23页 |
| 1．1 研究的意义 | 第14-15页 |
| 1．2 国际上的研究现状 | 第15-20页 |
| 1．3 国内的研究现状 | 第20-21页 |
| 1．4 本文的主要工作简介 | 第21-23页 |
| 第二章 独立成分分析理论和算法研究 | 第23-43页 |
| 2．1 ICA的研究进展 | 第23-33页 |
| 2．2 组合ICA算法 | 第33-40页 |
| 2．3 应用 | 第40-42页 |
| 2．4 小结 | 第42-43页 |
| 第三章 fMRI数据的邻域ICA模型及应用 | 第43-58页 |
| 3．1 引言 | 第43-44页 |
| 3．2 fMRI数据的信号模型 | 第44页 |
| 3．3 空域ICA模型及仿真分析 | 第44-48页 |
| 3．4 邻域ICA模型仿真分析 | 第48-49页 |
| 3．5 实际fMRI数据处理效果 | 第49-56页 |
| 3．6 讨论 | 第56-58页 |
| 第四章 fMRI动力学响应的多样性与ICA成分的选择 | 第58-75页 |
| 4．1 引言 | 第58-59页 |
| 4．2 理论背景和方法 | 第59-64页 |
| 4．3 实验、结果和讨论 | 第64-66页 |
| 4．4 癫痫活动的时空定位分析 | 第66-74页 |
| 4．5 小结 | 第74-75页 |
| 第五章 fMRI数据的延时子空间分解法 | 第75-83页 |
| 5．1 主成分析 | 第75-76页 |
| 5．2 延时子空间算法 | 第76-77页 |
| 5．3 DSD仿真研究 | 第77-82页 |
| 5．4 实际数据分析 | 第82页 |
| 5．5 小结 | 第82-83页 |
| 第六章 fMRI数据的邻域相关和系统聚类整合方法 | 第83-93页 |
| 6．1 邻域相关和系统聚类的整合方法 | 第83-85页 |
| 6．2 仿真实验 | 第85-88页 |
| 6．3 fMRI数据分析 | 第88-90页 |
| 6．4 讨论 | 第90-92页 |
| 6．5 结论 | 第92-93页 |
| 第七章 基于动力学特性的fMRI的广义线性模型 | 第93-100页 |
| 7．1 引言 | 第93页 |
| 7．2 基本原理 | 第93-95页 |
| 7．3 fMRI的数据分析 | 第95-99页 |
| 7．4 小结 | 第99-100页 |
| 第八章 BOLD信号的微观血流动力模型 | 第100-111页 |
| 8．1 引言 | 第100-102页 |
| 8．2 BOLD信号的微观血流动力模型 | 第102-106页 |
| 8．3 扩展的BOLD血流动力模型 | 第106-107页 |
| 8．4 仿真实验 | 第107-110页 |
| 8．5 小结 | 第110-111页 |
| 第九章 BOLD信号的高斯卷积模型 | 第111-125页 |
| 9．1 引言 | 第111-112页 |
| 9．2 动态BOLD信号模型 | 第112-115页 |
| 9．3 非线性最小二乘法估计 | 第115-116页 |
| 9．4 实际数据处理一 | 第116-121页 |
| 9．5 实际数据处理二 | 第121-124页 |
| 9．6 小结 | 第124-125页 |
| 第十章 基于BOLD信号模型的脑功能不对称性研究 | 第125-134页 |
| 10．1 引言 | 第125-126页 |
| 10．2 素材和方法 | 第126-128页 |
| 10．3 结果 | 第128-133页 |
| 10．4 小结 | 第133-134页 |
| 第十一章 脑功能磁共振的投影配准新方法 | 第134-150页 |
| 11．1 介绍 | 第134-135页 |
| 11．2 方法 | 第135-144页 |
| 11．3 仿真实验 | 第144-146页 |
| 11．4 应用 | 第146-148页 |
| 11．5 小结 | 第148-150页 |
| 第十二章 全文总结和进一步的工作 | 第150-153页 |
| 12．1 本论文工作总结 | 第150-152页 |
| 12．2 展望 | 第152-153页 |
| 参考文献 | 第153-166页 |
| 致谢 | 第166-167页 |
| 作者攻读博士期间研究成果、已刊出、及录用的论文 | 第167-172页 |