目录CONTENTS
丛书序(杨玉芳 吴艳红)
序一(罗跃嘉)
序二(尧德中)
前言
缩略语表
第一章 脑电的神经起源和测量 001
第一节 脑电的神经起源 001
第二节 脑电测量 005
第二章 脑电、诱发电位和事件相关电位 016
第一节 自发性脑电活动 016
第二节 诱发电位和事件相关电位 017
第三节 EP和ERP的概述 018
第四节 常见的EP和ERP成分 019
第五节 脑电技术的优势和局限性 027
第三章 ERP实验设计 037
第一节 实验设计与认知过程 039
第二节 ERP实验的技术性要求 046
第三节 实验的无关因素 050
第四节 经典实验设计及对应的ERP成分 052
第四章 脑电数据的预处理与降噪 070
第一节 脑电信号中的伪迹 071
第二节 导联方法 073
第三节 滤波 075
第四节 重参考 076
第五节 脑电分段和基线校正 077
第六节 剔除或插值坏导 078
第七节 剔除坏段 078
第八节 基于ICA的伪迹去除 079
第九节 总结 080
第五章 频谱分析和时频分析 084
第一节 简介 084
第二节 频谱估计 085
第三节 时频分析 095
第四节 事件相关同步化/去同步化 104
第六章 盲源分离 112
第一节 盲源分离算法简介 112
第二节 主成分分析与旋转在事件相关电位分析中的应用 114
第三节 独立成分分析在连续脑电中的应用 121
第四节 张量分解在事件相关电位研究中的应用 131
第七章 微状态分析 136
第一节 基础概念 139
第二节 微状态分析中的空间聚类算法 140
第三节 鉴别*优的类别数目 143
第四节 匹配模板图和电压图 144
第五节 经常使用微状态参数 144
第六节 微状态分析中的可用工具 145
第七节 总结 151
第八章 源分析 154
第一节 正问题 155
第二节 逆问题 159
第三节 贝叶斯 166
第四节 未来的发展方向 171
第五节 应用实例 173
第六节 总结 185
第九章 单试次分析 190
第一节 单试次分析简介 190
第二节 如何进行单试次分析 192
第三节 单试次分析的潜在应用 205
第十章 非线性神经动力学 215
第一节 非线性神经动力学简介 216
第二节 复杂度 218
第三节 熵 222
第四节 赫斯特指数 229
第五节 递归图 231
第六节 总结 233
第十一章 连通性分析 239
第一节 共同源问题 240
第二节 EEG连通性分析中的指标 241
第三节 总结 250
第四节 示例 255
第五节 本章结语 262
第十二章 空间复杂脑网络 266
第一节 图论与复杂网络 268
第二节 空间复杂脑网络 270
第三节 总结 279
第十三章 时序复杂网络分析 284
第一节 复杂网络简介 285
第二节 典型复杂网络时间序列分析方法 286
第三节 复杂网络时间序列分析的两种方法 290
第十四章 机器学习 297
第一节 机器学习分析简介 298
第二节 机器学习分析的脑电特征 299
第三节 机器学习分析训练 301
第四节 机器学习分析的特征选择和降维 302
第五节 机器学习分析的选择分类器 304
第六节 机器学习分析的评价结果 307
第七节 机器学习分析的模式表达 309
第八节 展望:深度学习算法 310
第九节 机器学习分析示例 312
第十五章 深度学习 318
第一节 深度学习简介 319
第二节 深度学习模型 319
第三节 在EEG信号中应用的两个示例 321
第十六章 统计分析 326
第一节 统计学基础 326
第二节 假设检验 336
第三节 方差分析 344
第四节 相关分析与回归分析 349
第五节 非参数检验 353
第六节 多重比较问题 359
第十七章 同步脑电-功能磁共振 367
第一节 同步脑电-功能磁共振的硬件系统 368
第二节 伪迹去除 369
第三节 基于fMRI约束的EEG源成像 373
第四节 基于EEG信息的fMRI分析 375
第五节 多模态脑网络 379
第六节 应用实例 382
第七节 总结 388
第十八章 EEG/ERP数据分析工具箱 397
第一节 EEG/ERP数据分析工具箱简介 397
第二节 Letswave介绍 399
第三节 下载和安装 404
第四节 单个被试分析的示例 405
第五节 多个被试分析的示例 414
第六节 绘图和批处理 420
结语 426