同步脑电-功能磁共振（EEG-fMRI）原理与技术

定　　价：75 元

丛书名：生命科学前沿

• 作者：雷旭，尧德中著
• 出版时间：2014/3/1
• ISBN：9787030399830
• 出 版 社：科学出版社

• 中图法分类：R741.044 
• 页码：193
• 纸张：胶版纸
• 版次：1
• 开本：16K

内容简介

  《同步脑电-功能磁共振原理与技术》以作者雷旭、尧德中相关研究工作为基础，结合同步EEG-fMRI领域的最新发展写出。内容深入浅出，兼顾理论的系统性和内容的实用性，力图系统地展示同步EEG-fMRI这一新技术的概貌，挖掘该技术在脑功能研究中的巨大潜力。
《同步脑电-功能磁共振原理与技术》包括三篇共13章内容。第一篇为概论，介绍同步技术的电生理基础与发展历史，同步记录的软硬件基础，实验设计与基本分析方法；第二篇为融合策略与方法，从时间预测、空间约束和对称融合三个方面进行介绍，并探讨了脑区间的功能连接和因果连接；第三篇为应用，主要从癫痫、静息态、睡眠和认知等方面进行介绍。
书中内容可供认知神经科学、神经生理学、生物医学工程、脑功能成像等方面的科研人员、教师、研究生及本科生学习和参考。


更多科学出版社服务，请扫码获取。

编辑推荐

    同步脑电-功能磁共振(EEG-fMRI)能无创地对全脑活动进行观测，并兼有脑电的高时间分辨率和功能磁共振的高空间分辨率，是目前最有潜力的多模态神经成像技术之一。《同步脑电-功能磁共振原理与技术》以作者雷旭、尧德中相关研究工作为基础，结合同步EEG-fMRI领域的最新发展写出。本书的论述深入浅出，兼顾理论的系统性和内容的实用性，力图系统地展示同步EEG-fMRI这一新技术的概貌，为充分发挥它在脑功能研究中的潜能出一份力。全书包括3篇共13章内容。第一篇为同步EEG-fMRI的基础知识，介绍同步技术的电生理基础与发展历史，同步记录软硬件基础，实验设计与基本分析方法；第二篇为数据分析策略与方法，从时间预测、空间约束和对称融合三个方面进行介绍，并探讨了研究脑区间因果关系的功能网络连接；第三篇为同步EEG-fMRI的应用，主要从癫痫、静息态、睡眠和认知等方面进行介绍。

目 录

目录
前言
第一篇 概论
第1章 EEG和fMRI的生理基础 3
1.1 大脑解剖结构 3
1.2 EEG的产生机制 5
1.2.1 锥体细胞与脑电 5
1.2.2 脑电节律 6
1.3 fMRI成像原理 6
1.4 同步采集的神经生理基础 7
1.4.1 突触输入、神经元输出与BOLD信号 7
1.4.2 BOLD负向响应相关的神经活动 9
1.4.3 fMRI自发振荡相关的神经活动 9
参考文献 10
第2章 同步EEGGfMRI的发展历史 12
2.1 同步EEGGfMRI产生的背景 12
2.1.1 脑电 12
2.1.2 事件相关电位 13
2.1.3 功能磁共振 14
2.1.4 同步采集的发展 15
2.2 同步EEGGfMRI的应用 18
2.2.1 癫痫 18
2.2.2 脑静息态 19
2.2.3 睡眠 19
2.2.4 认知功能 20
2.3 同步EEGGfMRI的前景 20
参考文献 22
第3章 同步记录及其技术原理 24
3.1 设备和装置 24
3.1.1 整体结构 24
3.1.2 安全性 24
3.1.3 材料 25
3.1.4 磁谐放大器 26
3.1.5 同步盒 26
3.2 磁谐电极帽 26
3.2.1 电极导线连接方法 26
3.2.2 国际10G20系统 27
3.2.3 导联与参考电极 28
3.2.4 安全注意事项 28
3.3 数据质量 29
3.3.1 影像伪迹 29
3.3.2 EEG伪迹去除 29
3.4 同步扫描的基本要求 32
3.4.1 EEG系统技术指标 32
3.4.2 fMRI系统技术指标 32
参考文献 33
第4章 实验设计与基本分析方法 35
4.1 自发活动范式 35
4.2 刺激驱动范式 36
4.2.1 实验设计流程 36
4.2.2 案例一:行为监控任务 38
4.2.3 案例二:视觉注意任务 39
4.3 融合模型及算法 41
4.3.1 基于fMRI约束的EEG成像 41
4.3.2 基于EEG信息的fMRI分析 42
4.3.3 EEGGfMRI对称融合 43
4.3.4 融合方法的研究前沿 44
4.4 融合的开源软件 45
4.5 本章小结 46
参考文献 46
第二篇 融合策略与方法
第5章 基于fMRI约束的EEG成像 53
5.1 引言 53
5.2 方法原理 54
5.2.1 经验贝叶斯模型 54
5.2.2 先验信息 55
5.2.3 网络先验与网络源定位 55
5.2.4 约束最大似然估计 57
5.2.5 NESOI的处理流程 57
5.3 模拟实验检验 59
5.3.1 正演模型 59
5.3.2 模拟EEG数据 59
5.3.3 评价指标 60
5.3.4 模拟实验结果 60
5.4 真实数据检验 63
5.4.1 多模态人脸识别研究 63
5.4.2 痫样放电的定位 67
5.5 结果讨论 71
5.6 本章小结 72
参考文献 73
第6章 基于EEG信息的fMRI分析 76
6.1 EEG驱动的广义线性模型 76
6.1.1 自发事件的识别与分类 76
6.1.2 节律能量建模 78
6.2 基于EEG信息的fMRI分析 79
6.2.1 提取单试次ERP特征 79
6.2.2 构造广义线性模型 80
6.2.3 解卷积法 80
6.2.4 经验贝叶斯模型 82
6.3 多元分析与模式识别 84
参考文献 85
第7章 EEGGfMRI对称融合 87
7.1 时空对称融合 87
7.1.1 STEFF的核心算法 87
7.1.2 数据预处理 89
7.1.3 分组ICA 89
7.1.4 STEFF的处理流程 89
7.2 模拟实验检验 90
7.2.1 模拟数据 91
7.2.2 分组ICA 91
7.2.3 实验结果 92
7.3 讨论 95
7.3.1 STEFF与分组ICA 95
7.3.2 STEFF与数据/模型驱动的融合 95
7.3.3 EEG与fMRI间的稀疏匹配 96
7.3.4 STEFF对融合的贡献 96
7.4 本章小结 98
参考文献 98
第8章 多模态功能网络连接 100
8.1 功能连接与功能网络连接 100
8.1.1 功能连接 100
8.1.2 功能网络连接 100
8.2 多模态功能网络连接 101
8.2.1 功能网络提取 102
8.2.2 功能网络连接分析 102
8.2.3 模态间的匹配 103
8.2.4 图论分析 103
8.3 仿真实验 104
8.3.1 功能网络连接分析流程 106
8.3.2 功能网络连接分析的稳定性 107
8.4 视觉任务 108
8.4.1 实验设计与数据获取 108
8.4.2 数据预处理 109
8.4.3 功能网络提取 110
8.4.4 模态间匹配 111
8.4.5 功能网络连接分析 112
8.4.6 图论分析 114
8.5 结果与讨论 115
8.5.1 功能连通性 115
8.5.2 模态间的配准 115
8.5.3 功能网络连接 116
8.5.4 多模态功能网络连接 116
8.5.5 本方法的局限性 117
8.6 本章小结 117
参考文献 118
第9章 基于ICA的融合框架 120
9.1 引言 120
9.2 混合的融合 120
9.2.1 互补的神经生理特征 121
9.2.2 基于ICA的融合 122
9.3 时空对称融合 124
9.3.1 STEFF 124
9.3.2 变分贝叶斯推断 126
9.3.3 融合中的阴阳特征 127
9.4 大尺度脑网络 128
9.4.1 功能网络连接 128
9.4.2 多模态功能网络连接 128
9.5 讨论 129
9.5.1 模型驱动与数据驱动的融合 129
9.5.2 EEGGfMRI融合的科学问题 130
9.6 本章小结 130
参考文献 130
第三篇 应用
第10章 癫痫 135
10.1 癫痫研究背景 135
10.1.1 癫痫放电的fMRI分析 135
10.1.2 癫痫的EEG成像 136
10.1.3 两种模态的结合研究 137
10.2 资料与方法 138
10.2.1 研究对象与临床信息 138
10.2.2 采集同步EEGGfMRI数据 139
10.2.3 提取IED特征与fMRI数据处理 139
10.2.4 EEGGfMRI时空对称融合 140
10.2.5 性能评价指标 141
10.3 结果 142
10.3.1 基于STEFF的癫痫网络成像 142
10.3.2 病例报告 144
10.4 讨论 146
10.4.1 IED相关成分的时空特征 147
10.4.2 IED相关成分与EEG源成像的关系 148
10.4.3 STEFF对IED相关成分的细分 148
10.5 本章小结 149
参考文献 150
第11章 静息态 152
11.1 静息态的研究背景 152
11.1.1 静息态与内源性振荡 152
11.1.2 静息态与脑网络 153
11.2 静息态与EEG 153
11.2.1 静息态节律 153
11.2.2 微状态分析 154
11.3 静息态与同步EEGGfMRI 156
11.3.1 α节律 157
11.3.2 默认模式网络 159
11.3.3 微状态与静息网络 160
11.4 本章小结 162
参考文献 164
第12章 睡眠 166
12.1 睡眠神经生理基础 166
12.1.1 睡眠的脑电基础 166
12.1.2 睡眠的神经成像基础 168
12.1.3 采用同步EEGGfMRI的优越性 169
12.2 同步记录用于睡眠的技术挑战 169
12.2.1 睡眠同步记录面临的主要问题 169
12.2.2 解决办法 171
12.3 同步记录的睡眠研究 172
12.3.1 自发活动睡眠的同步研究 172
12.3.2 睡眠知觉处理过程的同步研究 174
12.4 本章小结 177
参考文献 178
第13章 认知功能 181
13.1 同步记录应用于认知任务 181
13.1.1 注意 181
13.1.2 执行功能 183
13.1.3 记忆 187
13.1.4 决策 189
13.1.5 情绪 189
13.2 同步采集用于认知研究的优缺点 190
13.3 现有研究的局限与未来方向 191
参考文献 192