基於獨立成分分析的大腦運動功能激活模式研究（簡體書）

《基於獨立成分分析的大腦運動功能激活模式研究》深入分析了fMRI對比度機制、噪聲的產生和原有數據處理方法的不足，針對fMRI數據特點，通過提出新算法、優化老算法或結合多種數據處理算法的方式，來完善ICA在fMRI中的應用，並以此為基礎，探索正常人下肢運動的大腦皮層激活模式和腦卒中後患者康復期內運動功能皮層的重組規律，為腦卒中後的下肢運動功能臨席康復提供理論基礎。

第1章 緒論
1．1 概述
1．2 腦卒中康復
1．3 國內外的研究現狀
1．3．1 ICA在fMRI中的應用方法研究現狀
1．3．2 時空獨立成分分析的研究現狀
1．3．3 主成分與核心算法的選擇研究現狀
1．3．4 速度與穩定的權衡研究現狀
1．3．5 大腦可塑性
1．3．6 預後評價
1．3．7 康復治療療效評定的研究
1．3．8 fMRI的臨床應用研究現狀
1．4 本書的主要工作

第2章 鄰域自相關ICA在fMRI激活區提取中的應用研究
2．1 功能磁共振成像簡介
2．1．1 功能磁共振成像的物理基礎
2．1．2 人體組織的弛豫特性
2．2 功能磁共振成像
2．2．1 BOLD-fMRI對比度機制
2．2．2 功能磁共振成像實驗設計
2．2．3 功能磁共振噪聲源分析
2．2．4 功能磁共振數據統計分析方法
2．3 獨立成分分析
2．3．1 獨立成分分析模型
2．3．2 獨立成分分析的尋優算法
2．3．3 fMRI激活區檢測方法
2．4 鄰域自相關ICA方法應用
2．4．1 方法
2．4．2 材料
2．4．3 數據處理
2．4．4 結果
2．4．5 準確性分析
2．4．6 穩定性分析
2．4．7 討論
2．5 本章小結

第3章 改進stICA算法的同個體（主、被動）運動激活模式研究
3．1 引言
3．2 stICA模型
3．3 stIcA改進算法
3．3．1 主成分個數的選擇
3．3．2 解混矩陣W的迭代算法
3．3．3 權重係數岬難∪?
3．4 實驗
3．4．1 仿真數據分析
3．4．2 聽覺fMRI數據分析
3．5 踝關節主動運動與被動運動激活模式的對比
3．5．1 材料
3．5．2 功能圖像採集及預處理
3．5．3 數據處理結果
3．5．4 討論
3．6 本章小結

第4章 結合stICA和GLM算法的神經性噪聲干擾消除研究
4．1 引言
4．2 算法的提出
4．3 仿真數據分析
4．4 同個體、同條件的不同被動f1MRI實驗
4．4．1 材料
4．4．2 功能圖像的採集
4．4．3 數據處理
4．4．4 結果
4．4．5 討論
4．5 本章小結

第5章 Fast-stICA-GLM算法對不同個體下肢激活狀況的研究
5．1 引言
5．2 Fast-stICA-GLM算法
5．2．1 FastICA算法
5．2．2 Fast-stICA算法
5．3 Infomax-stICA與Fast-stICA對比
5．3．1 對比實驗
5．3．2 結果
5．3．3 隹確性分析
5．3．4 穩定性分析
5．3．5 討論
5．4 不同個體之間的被動fMRI實驗
5．4．1 材料
5．4．2 數據處理
5．4．3 結果
5．4．4 討論
5．5 本章小結

第6章 腦卒中後下肢運動功能康復的fMRI研究
6．1 引言
6．2 研究對象納入標準
6．2．1 納入標準
6．2．2 排除標準
6．3 實驗
6．3．1 材料
6．3．2 功能圖像的採集
6．3．3 數據處理
6．3．4 觀察指標
6．4 結果
6．5 討論
6．6 本章小結

第7章 總結與展望
7．1 總結
7．2 研究方向展望
參考文獻
附錄 縮略詞表