| 摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 课题背景与研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-20页 |
| 1.2.1 功能连接分析研究现状 | 第14-17页 |
| 1.2.2 EEG-fMRI数据采集方式 | 第17页 |
| 1.2.3 EEG-fMRI数据融合策略研究现状 | 第17-20页 |
| 1.3 论文主要贡献与篇章结构 | 第20-23页 |
| 1.3.1 本文主要研究内容 | 第20-21页 |
| 1.3.2 本文创新点综述 | 第21-22页 |
| 1.3.3 本文篇章结构 | 第22-23页 |
| 第二章 动态功能连接分析及EEG-fMRI同步数据分析方法 | 第23-39页 |
| 2.1 动态功能连接分析方法 | 第23-27页 |
| 2.1.1 感兴趣区域的选取 | 第23-25页 |
| 2.1.2 利用皮尔逊相关系数和滑动窗口建模动态功能连接 | 第25-26页 |
| 2.1.3 利用聚类分析计算大脑连接状态 | 第26页 |
| 2.1.4 统计分析 | 第26-27页 |
| 2.2 EEG数据预处理方法 | 第27-33页 |
| 2.2.1 预处理软件 | 第28页 |
| 2.2.2 梯度噪声去除 | 第28-30页 |
| 2.2.3 心跳噪声去除 | 第30-31页 |
| 2.2.4 肌电和眼动噪声去除 | 第31-33页 |
| 2.2.5 重参考和频域滤波 | 第33页 |
| 2.3 利用广义线性模型的基于EEG信息的fMRI分析 | 第33-36页 |
| 2.3.1 血液动力学响应扩散特性 | 第33-34页 |
| 2.3.2 统计参数映射 | 第34-36页 |
| 2.4 利用稀疏学习的基于EEG信息的fMRI分析 | 第36-38页 |
| 2.4.1 稀疏学习 | 第36-37页 |
| 2.4.2 有监督的稀疏学习 | 第37-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第三章 基于动态功能连接的静息态fMRI数据分析 | 第39-49页 |
| 3.1 研究背景 | 第39-40页 |
| 3.2 方法 | 第40-45页 |
| 3.2.1 被试 | 第40-41页 |
| 3.2.2 数据采集与预处理 | 第41页 |
| 3.2.3 时间序列提取 | 第41-42页 |
| 3.2.4 动态功能连接计算 | 第42-43页 |
| 3.2.5 聚类分析 | 第43-44页 |
| 3.2.6 统计分析 | 第44-45页 |
| 3.3 统计分析结果 | 第45页 |
| 3.4 功能连接差异分析 | 第45-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 EEG相关fMRI分析 | 第49-67页 |
| 4.1 研究背景 | 第49-50页 |
| 4.2 方法 | 第50-57页 |
| 4.2.1 被试 | 第50-51页 |
| 4.2.2 fMRI数据采集与预处理 | 第51页 |
| 4.2.3 EEG数据采集与预处理 | 第51-53页 |
| 4.2.4 计算癫痫间期放电的血氧响应曲线 | 第53-55页 |
| 4.2.5 利用统计参数映射分析间期放电的相关脑区 | 第55-56页 |
| 4.2.6 利用稀疏学习分析间期放电相关的脑区 | 第56-57页 |
| 4.3 统计参数映射与EEG相关fMRI分析结果 | 第57-61页 |
| 4.3.1 统计参数映射分析结果 | 第57-59页 |
| 4.3.2 有监督的稀疏学习分析结果 | 第59-61页 |
| 4.4 讨论 | 第61-64页 |
| 4.4.1 有监督的稀疏学习分析结果与统计参数映射分析结果的异同 | 第61-62页 |
| 4.4.2 参数选择对有监督的稀疏学习分析结果的影响 | 第62-64页 |
| 4.4.3 血氧响应函数的个体差异性 | 第64页 |
| 4.5 本章小结 | 第64-67页 |
| 第五章 总结与展望 | 第67-71页 |
| 5.1 论文工作总结 | 第67-68页 |
| 5.2 未来工作展望 | 第68-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 作者在学期间取得的学术成果 | 第79页 |
| 作者在学期间取参与的主要科研工作 | 第79页 |
