| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题背景和意义 | 第10-11页 |
| ·本文研究领域现状 | 第11-15页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-15页 |
| ·本文主要研究的内容和方法 | 第15页 |
| ·文章结构安排 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第2章 功能磁共振成像 | 第17-21页 |
| ·FMRI 简介 | 第17页 |
| ·FMRI 的物理基础 | 第17-18页 |
| ·FMRI 的原理 | 第18-19页 |
| ·fMRI 的应用 | 第19-20页 |
| ·功能磁共振成像的特点 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第3章 独立成分分析算法 | 第21-26页 |
| ·独立成分分析算法的简介 | 第21页 |
| ·独立成分分析的基本模型 | 第21-25页 |
| ·极大化非高斯性的 ICA 估计方法 | 第21-22页 |
| ·极小化互信息的 ICA 估计方法 | 第22-23页 |
| ·基于张量的 ICA 估计方法 | 第23页 |
| ·ICA 的极大似然估计方法 | 第23-24页 |
| ·基于非线性去相关和非线性 PCA 的 ICA 估计方法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第4章 一种新的算法——基于峭度的 RobustICA | 第26-38页 |
| ·几种常用算法的回顾 | 第26-28页 |
| ·FASTICA 的回顾 | 第26-27页 |
| ·INFORMAX 算法 | 第27-28页 |
| ·RobustICA 算法 | 第28-32页 |
| ·RobustICA 算法的理论研究 | 第28-29页 |
| ·ROBUSTICA 算法 | 第29-32页 |
| ·RobustICA 算法的优点 | 第32-33页 |
| ·实验结果分析 | 第33-36页 |
| ·本章小结 | 第36-38页 |
| 第5章 RobustICA 算法在 fMRI 数据中的应用 | 第38-47页 |
| ·fMRI 实验设计的模式 | 第38-41页 |
| ·实验方案 | 第39页 |
| ·受试者的选择 | 第39-40页 |
| ·实验仪器的参数设置 | 第40页 |
| ·实验前的准备工作 | 第40-41页 |
| ·数据预处理（SPM） | 第41-43页 |
| ·SPM 简介 | 第41页 |
| ·利用 SPM 处理 fMRI 数据 | 第41-43页 |
| ·实验的结果与对比分析 | 第43-46页 |
| ·RobustICA 和 FastICA 算法处理 fMRI 数据 | 第43-44页 |
| ·提取成分分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第6章 新的算法结合 GROUPICA 分析 fMRI 数据 | 第47-50页 |
| ·GROUPICA 方法的意义 | 第47页 |
| ·GROUPICA 的几种方法 | 第47-48页 |
| ·RobustICA 算法结合 GROUPICA 处理 fMRI 数据 | 第48-49页 |
| ·实验结果及分析 | 第49页 |
| ·本章小结 | 第49-50页 |
| 第7章 结论与展望 | 第50-52页 |
| ·本文小结 | 第50页 |
| ·对今后工作的展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 作者简介及在学期间所取得的科研成果 | 第56-57页 |
| 后记和致谢 | 第57页 |
