《基于独立成分分析的大脑运动功能激活模式研究》深入分析了fMRI对比度机制、噪声的产生和原有数据处理方法的不足，针对fMRI数据特点，通过提出新算法、优化老算法或结合多种数据处理算法的方式，来完善ICA在fMRI中的应用，并以此为基础，探索正常人下肢运动的大脑皮层激活模式和脑卒中后患者康复期内运动功能皮层的重组规律，为脑卒中后的下肢运动功能临席康复提供理论基础。
第1章 绪论
1．1 概述
1．2 脑卒中康复
1．3 国内外的研究现状
1．3．1 ICA在fMRI中的应用方法研究现状
1．3．2 时空独立成分分析的研究现状
1．3．3 主成分与核心算法的选择研究现状
1．3．4 速度与稳定的权衡研究现状
1．3．5 大脑可塑性
1．3．6 预后评价
1．3．7 康复治疗疗效评定的研究
1．3．8 fMRI的临床应用研究现状
1．4 本书的主要工作
第2章 邻域自相关ICA在fMRI激活区提取中的应用研究
2．1 功能磁共振成像简介
2．1．1 功能磁共振成像的物理基础
2．1．2 人体组织的弛豫特性
2．2 功能磁共振成像
2．2．1 BOLD-fMRI对比度机制
2．2．2 功能磁共振成像实验设计
2．2．3 功能磁共振噪声源分析
2．2．4 功能磁共振数据统计分析方法
2．3 独立成分分析
2．3．1 独立成分分析模型
2．3．2 独立成分分析的寻优算法
2．3．3 fMRI激活区检测方法
2．4 邻域自相关ICA方法应用
2．4．1 方法
2．4．2 材料
2．4．3 数据处理
2．4．4 结果
2．4．5 准确性分析
2．4．6 稳定性分析
2．4．7 讨论
2．5 本章小结
第3章 改进stICA算法的同个体（主、被动）运动激活模式研究
3．1 引言
3．2 stICA模型
3．3 stIcA改进算法
3．3．1 主成分个数的选择
3．3．2 解混矩阵W的迭代算法
3．3．3 权重系数岬难∪?
3．4 实验
3．4．1 仿真数据分析
3．4．2 听觉fMRI数据分析
3．5 踝关节主动运动与被动运动激活模式的对比
3．5．1 材料
3．5．2 功能图像采集及预处理
3．5．3 数据处理结果
3．5．4 讨论
3．6 本章小结
第4章 结合stICA和GLM算法的神经性噪声干扰消除研究
4．1 引言
4．2 算法的提出
4．3 仿真数据分析
4．4 同个体、同条件的不同被动f1MRI实验
4．4．1 材料
4．4．2 功能图像的采集
4．4．3 数据处理
4．4．4 结果
4．4．5 讨论
4．5 本章小结
第5章 Fast-stICA-GLM算法对不同个体下肢激活状况的研究
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与Fast-stICA对比
5．3．1 对比实验
5．3．2 结果
5．3．3 隹确性分析
5．3．4 稳定性分析
5．3．5 讨论
5．4 不同个体之间的被动fMRI实验
5．4．1 材料
5．4．2 数据处理
5．4．3 结果
5．4．4 讨论
5．5 本章小结
第6章 脑卒中后下肢运动功能康复的fMRI研究
6．1 引言
6．2 研究对象纳入标准
6．2．1 纳入标准
6．2．2 排除标准
6．3 实验
6．3．1 材料
6．3．2 功能图像的采集
6．3．3 数据处理
6．3．4 观察指标
6．4 结果
6．5 讨论
6．6 本章小结
第7章 总结与展望
7．1 总结
7．2 研究方向展望
参考文献
附录 缩略词表
书单推荐
