| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-29页 |
| 1.1 时域 Granger causality | 第16-19页 |
| 1.2 频率 Granger causality | 第19-21页 |
| 1.3 Granger causality 的假设与挑战 | 第21-26页 |
| 1.3.1 平稳性与样本数 | 第21页 |
| 1.3.2 线性和参数估计 | 第21-22页 |
| 1.3.3 潜变量影响 | 第22-23页 |
| 1.3.4 新测度 | 第23-25页 |
| 1.3.5 fMRI 上的应用 | 第25-26页 |
| 1.3.6 EEG 和 MEG 上的应用 | 第26页 |
| 1.4 本论文的选题和研究内容 | 第26-29页 |
| 第二章 多尺度典型相关 Granger causality 研究 | 第29-43页 |
| 2.1 引言 | 第29-30页 |
| 2.2 材料与方法 | 第30-37页 |
| 2.2.1 CCA 双变量 Granger causality | 第30-32页 |
| 2.2.2 CCA 多变量 Granger causality | 第32-34页 |
| 2.2.3 仿真模型 I | 第34页 |
| 2.2.4 仿真模型 II | 第34-35页 |
| 2.2.5 癫痫脑电 | 第35-37页 |
| 2.3 结果 | 第37-40页 |
| 2.3.1 仿真模型 I | 第37-38页 |
| 2.3.2 仿真模型 II | 第38-39页 |
| 2.3.3 头皮脑电和颅内脑电 | 第39-40页 |
| 2.4 讨论 | 第40-42页 |
| 2.4.1 统计推断 | 第40-41页 |
| 2.4.2 阶数与样本量及维度的影响 | 第41页 |
| 2.4.3 群组因果交互 | 第41页 |
| 2.4.4 局限性 | 第41-42页 |
| 2.5 本章小结 | 第42-43页 |
| 第三章 非线性典型相关 Granger causality 研究 | 第43-52页 |
| 3.1 引言 | 第43页 |
| 3.2 材料与方法 | 第43-48页 |
| 3.2.1 核典型相关 Granger causality | 第43-46页 |
| 3.2.2 仿真模型 I | 第46页 |
| 3.2.3 R ssler 吸引子 | 第46-47页 |
| 3.2.4 耦合混沌图 | 第47页 |
| 3.2.5 癫痫脑电 | 第47-48页 |
| 3.3 结果与讨论 | 第48-50页 |
| 3.3.1 仿真模型 I | 第48页 |
| 3.3.2 R ssler 吸引子 | 第48页 |
| 3.3.3 耦合混沌图分析 | 第48页 |
| 3.3.4 癫痫脑电 | 第48-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第四章 静息态 BOLD-fMRI 盲去卷积研究 | 第52-67页 |
| 4.1 引言 | 第52-53页 |
| 4.2 材料与方法 | 第53-59页 |
| 4.2.1 静息态 BOLD-fMRI HRF 盲去卷积 | 第53-56页 |
| 4.2.2 部分条件 Granger causality | 第56页 |
| 4.2.3 仿真数据集 NetSim | 第56-57页 |
| 4.2.4 静息态 fMRI 数据集 | 第57页 |
| 4.2.5 数据预处理 | 第57页 |
| 4.2.6 解剖分割 | 第57-58页 |
| 4.2.7 有效连接网络分析 | 第58页 |
| 4.2.8 阈值选择 | 第58页 |
| 4.2.9 网络矩阵 | 第58-59页 |
| 4.3 结果 | 第59-64页 |
| 4.3.1 HRF 重构 | 第59-60页 |
| 4.3.2 因果矩阵的方差稳定性 | 第60-61页 |
| 4.3.3 全局信号回归 | 第61页 |
| 4.3.4 部分条件 Granger causality 重构有效连接网络 | 第61-62页 |
| 4.3.5 有效连接网络的全局特性 | 第62页 |
| 4.3.6 有效连接网络的节点特征 | 第62-64页 |
| 4.4 讨论 | 第64-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 部分条件 Granger causality 重构有向网络研究 | 第67-76页 |
| 5.1 引言 | 第67-68页 |
| 5.2 材料与方法 | 第68-69页 |
| 5.2.1 部分条件 Granger causality | 第68页 |
| 5.2.2 仿真数据 | 第68-69页 |
| 5.2.3 静息态 fMRI 数据 | 第69页 |
| 5.2.4 数据预处理 | 第69页 |
| 5.2.5 脑电图 | 第69页 |
| 5.3 结果 | 第69-72页 |
| 5.3.1 仿真数据 | 第69-71页 |
| 5.3.2 静息态 fMRI 数据 | 第71-72页 |
| 5.3.3 EEG 数据 | 第72页 |
| 5.4 讨论 | 第72-75页 |
| 5.5 本章小结 | 第75-76页 |
| 第六章 全脑体素水平有向连接图研究 | 第76-95页 |
| 6.1 引言 | 第76-77页 |
| 6.2 材料与方法 | 第77-85页 |
| 6.2.1 研究对象 | 第77页 |
| 6.2.2 数据预处理 | 第77-78页 |
| 6.2.3 HRF 去卷积 | 第78页 |
| 6.2.4 部分条件 Granger causality | 第78-79页 |
| 6.2.5 探测条件变量集 | 第79-82页 |
| 6.2.6 种子点 Granger causality 图 | 第82页 |
| 6.2.7 体素水平 Granger causality | 第82页 |
| 6.2.8 中心性指标 | 第82-83页 |
| 6.2.9 仿真数据 | 第83-85页 |
| 6.3 结果 | 第85-91页 |
| 6.3.1 种子点 Granger causality 图 | 第85-87页 |
| 6.3.2 体素水平 Granger causality 图 | 第87-89页 |
| 6.3.3 GCD 与 FCD | 第89-90页 |
| 6.3.4 仿真验证 | 第90-91页 |
| 6.4 讨论 | 第91-93页 |
| 6.4.1 有向网络中心性 | 第91-92页 |
| 6.4.2 部分条件 Granger causality 技术 | 第92-93页 |
| 6.4.3 方法学的考虑及局限性 | 第93页 |
| 6.5 本章小结 | 第93-95页 |
| 第七章 利手塑造静息态大脑：证据来自于 HRF 和连接 | 第95-106页 |
| 7.1 引言 | 第95-96页 |
| 7.2 材料与方法 | 第96-99页 |
| 7.2.1 研究对象 | 第96页 |
| 7.2.2 静息态 fMRI 数据 | 第96页 |
| 7.2.3 数据预处理 | 第96-97页 |
| 7.2.4 内在连接网络识别 | 第97页 |
| 7.2.5 自发点过程和 HRF 去卷积 | 第97-98页 |
| 7.2.6 Granger causality 分析及其统计推断 | 第98页 |
| 7.2.7 Granger causality 密度映射 | 第98页 |
| 7.2.8 统计分析 | 第98-99页 |
| 7.3 结果 | 第99-103页 |
| 7.3.1 静息态血液动力学响应 | 第99页 |
| 7.3.2 统计分析 GCD | 第99页 |
| 7.3.3 利手与 HRF/GCD 间相关性 | 第99-102页 |
| 7.3.4 Conjunction 分析 | 第102-103页 |
| 7.4 讨论 | 第103-105页 |
| 7.4.1 自发点过程和血液动力学响应 | 第103-104页 |
| 7.4.2 GCD | 第104页 |
| 7.4.3 研究缺陷 | 第104-105页 |
| 7.5 本章小结 | 第105-106页 |
| 第八章 全文总结与展望 | 第106-108页 |
| 8.1 全文总结 | 第106-107页 |
| 8.2 后续工作展望 | 第107-108页 |
| 致谢 | 第108-109页 |
| 参考文献 | 第109-128页 |
| 攻读博士学位期间取得的成果 | 第128-130页 |
| 附录 中英文缩略词表 | 第130-131页 |
