皮层脑网络构建及应用研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 国内外研究现状和发展趋势 | 第10-19页 |
| 1.1.1 脑电概述 | 第10-13页 |
| 1.1.1.1 脑电的发展史 | 第10-11页 |
| 1.1.1.2 特征脑电 | 第11-12页 |
| 1.1.1.3 脑电分类 | 第12-13页 |
| 1.1.2 复杂网络 | 第13-17页 |
| 1.1.2.1 复杂网络理论 | 第14-15页 |
| 1.1.2.2 基于EEG的脑网络方法 | 第15-17页 |
| 1.1.3 EEG逆问题 | 第17-19页 |
| 1.1.3.1 EEG逆问题的发展 | 第17-18页 |
| 1.1.3.2 EEG逆问题算法 | 第18-19页 |
| 1.2 本文的主要工作 | 第19页 |
| 1.3 本论文的结构安排 | 第19-21页 |
| 第二章 实验数据及数据处理 | 第21-27页 |
| 2.1 实验数据 | 第21-22页 |
| 2.1.1 实验设计 | 第21页 |
| 2.1.2 数据采集 | 第21-22页 |
| 2.2 数据处理 | 第22-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第三章 基于MN的皮层源定位 | 第27-38页 |
| 3.1 MN算法理论 | 第27-31页 |
| 3.1.1 基本理论 | 第27-28页 |
| 3.1.2 经典最小模算法 | 第28-31页 |
| 3.1.2.1 最小模广义逆 | 第28-29页 |
| 3.1.2.2 正则化最小模法 | 第29-31页 |
| 3.2 基于MN的源定位分析 | 第31-37页 |
| 3.2.1 源定位结果 | 第31-34页 |
| 3.2.2 讨论 | 第34-37页 |
| 3.2.2.1 注意网络及相关脑区 | 第34-35页 |
| 3.2.2.2 源定位分析 | 第35-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 基于DCM皮层脑网络构建 | 第38-54页 |
| 4.1 动态因果模型（DCM） | 第38-43页 |
| 4.1.1 血流动力学模型 | 第38-39页 |
| 4.1.2 神经元状态模型 | 第39-43页 |
| 4.1.1.1 线性动态因果模型 | 第40-41页 |
| 4.1.2.2 双线性态因果模型 | 第41页 |
| 4.1.2.3 双变量态因果模型 | 第41-42页 |
| 4.1.2.4 非线性态因果模型 | 第42-43页 |
| 4.1.3 贝叶斯识别 | 第43页 |
| 4.2 基于DCM的皮层网络构建分析 | 第43-51页 |
| 4.2.1 皮层脑网络构建 | 第43-46页 |
| 4.2.2 讨论 | 第46-51页 |
| 4.2.2.1 注意控制认知机制 | 第46-47页 |
| 4.2.2.2 单侧化准备电位 | 第47-48页 |
| 4.2.2.3 DCM网络构建分析 | 第48-51页 |
| 4.3 源网络关系模型 | 第51-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 全文总结和展望 | 第54-56页 |
| 5.1 全文总结 | 第54-55页 |
| 5.2 工作展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间取得的成果 | 第62-63页 |
