《基于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(chǎn)生和原有數(shù)據(jù)處理方法的不足,針對fMRI數(shù)據(jù)特點,通過提出新算法、優(yōu)化老算法或結(jié)合多種數(shù)據(jù)處理算法的方式,來完善ICA在fMRI中的應(yīng)用,并以此為基礎(chǔ),探索正常人下肢運動的大腦皮層激活模式和腦卒中后患者康復(fù)期內(nèi)運動功能皮層的重組規(guī)律,為腦卒中后的下肢運動功能臨席康復(fù)提供理論基礎(chǔ)。
第1章 緒論
1.1 概述
1.2 腦卒中康復(fù)
1.3 國內(nèi)外的研究現(xiàn)狀
1.3.1 ICA在fMRI中的應(yīng)用方法研究現(xiàn)狀
1.3.2 時空獨立成分分析的研究現(xiàn)狀
1.3.3 主成分與核心算法的選擇研究現(xiàn)狀
1.3.4 速度與穩(wěn)定的權(quán)衡研究現(xiàn)狀
1.3.5 大腦可塑性
1.3.6 預(yù)后評價
1.3.7 康復(fù)治療療效評定的研究
1.3.8 fMRI的臨床應(yīng)用研究現(xiàn)狀
1.4 本書的主要工作
第2章 鄰域自相關(guān)ICA在fMRI激活區(qū)提取中的應(yīng)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(chǔ)
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(shè)計
2.2.3 功能磁共振噪聲源分析
2.2.4 功能磁共振數(shù)據(jù)統(tǒng)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(yōu)算法
2.3.3 fMRI激活區(qū)檢測方法
2.4 鄰域自相關(guān)ICA方法應(yīng)用
2.4.1 方法
2.4.2 材料
2.4.3 數(shù)據(jù)處理
2.4.4 結(jié)果
2.4.5 準(zhǔn)確性分析
2.4.6 穩(wěn)定性分析
2.4.7 討論
2.5 本章小結(jié)
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(shù)的選擇
3.3.2 解混矩陣W的迭代算法
3.3.3 權(quán)重系數(shù)岬難∪?
3.4 實驗
3.4.1 仿真數(shù)據(jù)分析
3.4.2 聽覺fMRI數(shù)據(jù)分析
3.5 踝關(guān)節(jié)主動運動與被動運動激活模式的對比
3.5.1 材料
3.5.2 功能圖像采集及預(yù)處理
3.5.3 數(shù)據(jù)處理結(jié)果
3.5.4 討論
3.6 本章小結(jié)
第4章 結(jié)合stICA和GLM算法的神經(jīng)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(shù)據(jù)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 功能圖像的采集
4.4.3 數(shù)據(jù)處理
4.4.4 結(jié)果
4.4.5 討論
4.5 本章小結(jié)
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(jié)果
5.3.3 隹確性分析
5.3.4 穩(wěn)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(shù)據(jù)處理
5.4.3 結(jié)果
5.4.4 討論
5.5 本章小結(jié)
第6章 腦卒中后下肢運動功能康復(fù)的fMRI研究
6.1 引言
6.2 研究對象納入標(biāo)準(zhǔn)
6.2.1 納入標(biāo)準(zhǔn)
6.2.2 排除標(biāo)準(zhǔn)
6.3 實驗
6.3.1 材料
6.3.2 功能圖像的采集
6.3.3 數(shù)據(jù)處理
6.3.4 觀察指標(biāo)
6.4 結(jié)果
6.5 討論
6.6 本章小結(jié)
第7章 總結(jié)與展望
7.1 總結(jié)
7.2 研究方向展望
參考文獻
附錄 縮略詞表