| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 引言 | 第12-18页 |
| 1.1 执行功能介绍 | 第12页 |
| 1.2 执行功能神经基础研究进展 | 第12-13页 |
| 1.3 静息态以及fNIRS介绍 | 第13-15页 |
| 1.4 基于图论的复杂脑网络分析 | 第15-16页 |
| 1.5 LASSO算法简介 | 第16页 |
| 1.6 CANTAB在认知功能研究中的应用 | 第16-17页 |
| 1.7 本文研究内容 | 第17-18页 |
| 2 实验设计与方法 | 第18-22页 |
| 2.1 研究对象 | 第18页 |
| 2.2 fNIRS数据获取与预处理 | 第18-20页 |
| 2.3 执行功能行为测试 | 第20-22页 |
| 3 静息态脑功能网络的构建与分析 | 第22-28页 |
| 3.1 脑功能网络构建 | 第22-23页 |
| 3.2 小世界网络特性 | 第23页 |
| 3.3 复杂网络度量 | 第23-25页 |
| 3.3.1 节点属性度量 | 第24页 |
| 3.3.2 全局属性度量 | 第24-25页 |
| 3.4 结果分析 | 第25-27页 |
| 3.5 本章小结 | 第27-28页 |
| 4 执行功能与静息态脑功能网络相关性分析 | 第28-37页 |
| 4.1 相关性分析与bootstrapping检验 | 第28-30页 |
| 4.1.1 网络参数整合 | 第28页 |
| 4.1.2 执行功能行为分数 | 第28-29页 |
| 4.1.3 相关性分析与bootstrapping检验 | 第29-30页 |
| 4.2 实验结果 | 第30-33页 |
| 4.3 结果分析与讨论 | 第33-35页 |
| 4.4 本章小结 | 第35-37页 |
| 5 基于静息态脑功能网络拓扑模式的执行功能水平预测 | 第37-47页 |
| 5.1 LASSO算法 | 第37-40页 |
| 5.1.1 LASSO算法定义 | 第37-38页 |
| 5.1.2 调和函数估计 | 第38-39页 |
| 5.1.3 LASSO问题求解 | 第39页 |
| 5.1.4 弹性网 | 第39-40页 |
| 5.2 实验数据分析 | 第40-42页 |
| 5.2.1 解释变量与响应变量 | 第40-41页 |
| 5.2.2 回归模型建立 | 第41-42页 |
| 5.3 实验结果 | 第42-45页 |
| 5.4 结果分析与讨论 | 第45-46页 |
| 5.5 本章小结 | 第46-47页 |
| 6 总结与展望 | 第47-48页 |
| 参考文献 | 第48-54页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第54-56页 |
| 学位论文数据集 | 第56页 |
