独立成分分析及其在脑高级功能研究中的应用
| 0 前言 | 第1-8页 |
| 1 引论 | 第8-12页 |
| ·论文的研究领域及其意义 | 第8-9页 |
| ·对本文研究领域内已有工作的评述 | 第9-11页 |
| ·本文的主要工作 | 第11-12页 |
| 2 功能磁共振成像 | 第12-22页 |
| ·功能磁共振成像的方法和原理 | 第12-14页 |
| ·原子核的自旋磁化强度和自旋弛豫 | 第12-13页 |
| ·磁共振信号的基本类型 | 第13-14页 |
| ·功能磁共振成像的生物物理机制 | 第14-16页 |
| ·功能磁共振成像数据的处理工具 | 第16-22页 |
| ·统计参数图简介 | 第16-17页 |
| ·统计参数图的数学原理 | 第17-18页 |
| ·统计参数图的应用 | 第18-22页 |
| 3 独立成分分析 | 第22-35页 |
| ·独立成分分析的发展历程 | 第22页 |
| ·问题描述 | 第22-24页 |
| ·独立成分分析算法 | 第24-32页 |
| ·目标函数 | 第24-26页 |
| ·算法 | 第26-28页 |
| ·国际上著名的两个ICA算法 | 第28-31页 |
| ·独立成分分析中亟待解决的几个问题 | 第31-32页 |
| ·独立成分分析在生物医学信号领域中的应用 | 第32-35页 |
| ·ICA在EEG信号分析中的应用 | 第32-33页 |
| ·ICA在MEG信号分析中的应用 | 第33页 |
| ·ICA在fMRI信号分析中的应用 | 第33-35页 |
| ·讨论 | 第35页 |
| 4 ICA在fMRI数据处理中的应用 | 第35-51页 |
| ·实现fMRI信号盲分离的算法 | 第35-40页 |
| ·新的独立成分分析算法 | 第35-37页 |
| ·材料和方法 | 第37页 |
| ·结果及分析 | 第37-39页 |
| ·讨论 | 第39-40页 |
| ·受试者工作特征方法 | 第40-45页 |
| ·ROC分析的基本原理 | 第40-41页 |
| ·ROC曲线的绘制和评价方法 | 第41-43页 |
| ·ROC在fMRI数据中的应用 | 第43-45页 |
| ·三种不同的ICA算法实现脑激活检测时的比较 | 第45-49页 |
| ·Orth-ExtBS算法 | 第46-47页 |
| ·数据采集 | 第47-48页 |
| ·三种算法的比较结果 | 第48-49页 |
| ·独立成分分析算法和统计参数图分析脑激活的比较 | 第49-51页 |
| ·数据分析与处理 | 第49页 |
| ·结果与讨论 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表(完成)的学术论文 | 第55页 |
| 攻读硕士学位期间参与的科研项目 | 第55-56页 |
| 致谢 | 第56-58页 |
