图书:脑电信号处理与特征提取

来自心百科,心灵的百科全书
脑电信号处理与特征提取
脑电信号处理与特征提取.jpg
作者
出版社科学出版社
出版日期2020年12月
装帧平装
页数460
定价168.00 元
系列认知神经科学书系
ISBN9787030667137
中图法分类号R741.044
Pdf.svg
0.00
(0票)
购买链接京东

脑电信号处理与特征提取》是科学出版社于2020年出版的图书,作者是胡理、张治国等。

脑电的独特优势使其在临床和科学研究中广泛应用。随着人脑电活动实时测量技术的逐步提高,一系列脑电信号处理方法得到快速发展,脑电有望成为更有效和通用的研究大脑功能的工具。本书各章由相关领域拥有丰富经验的优秀研究者撰写,旨在以全面、简洁且通俗易懂的方式,呈现作者对脑电技术本身及信号处理方法的深入理解和应用心得,向读者提供覆盖脑电神经基础、主流脑电信号处理和特征提取方法相关的概念、数学及应用知识。大多数章节还链接了MATLAB软件、代码和示例数据。

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

  • 第一节 脑电的神经起源
  • 第二节 脑电测量

第二章 脑电、诱发电位和事件相关电位

  • 第一节 自发性脑电活动
  • 第二节 诱发电位和事件相关电位
  • 第三节 EP和ERP的概述
  • 第四节 常见的EP和ERP成分
  • 第五节 脑电技术的优势和局限性

第三章 ERP实验设计

  • 第一节 实验设计与认知过程
  • 第二节 ERP实验的技术性要求
  • 第三节 实验的无关因素
  • 第四节 经典实验设计及对应的ERP成分

第四章 脑电数据的预处理与降噪

  • 第一节 脑电信号中的伪迹
  • 第二节 导联方法
  • 第三节 滤波
  • 第四节 重参考
  • 第五节 脑电分段和基线校正
  • 第六节 剔除或插值坏导
  • 第七节 剔除坏段
  • 第八节 基于ICA的伪迹去除
  • 第九节 总结

第五章 频谱分析和时频分析

  • 第一节 简介
  • 第二节 频谱估计
  • 第三节 时频分析
  • 第四节 事件相关同步化/去同步化

第六章 盲源分离

  • 第一节 盲源分离算法简介
  • 第二节 主成分分析与旋转在事件相关电位分析中的应用
  • 第三节 独立成分分析在连续脑电中的应用
  • 第四节 张量分解在事件相关电位研究中的应用

第七章 微状态分析

  • 第一节 基础概念
  • 第二节 微状态分析中的空间聚类算法
  • 第三节 鉴别*优的类别数目
  • 第四节 匹配模板图和电压图
  • 第五节 经常使用微状态参数
  • 第六节 微状态分析中的可用工具
  • 第七节 总结

第八章 源分析

  • 第一节 正问题
  • 第二节 逆问题
  • 第三节 贝叶斯
  • 第四节 未来的发展方向
  • 第五节 应用实例
  • 第六节 总结

第九章 单试次分析

  • 第一节 单试次分析简介
  • 第二节 如何进行单试次分析
  • 第三节 单试次分析的潜在应用

第十章 非线性神经动力学

  • 第一节 非线性神经动力学简介
  • 第二节 复杂度
  • 第三节 熵
  • 第四节 赫斯特指数
  • 第五节 递归图
  • 第六节 总结

第十一章 连通性分析

  • 第一节 共同源问题
  • 第二节 EEG连通性分析中的指标
  • 第三节 总结
  • 第四节 示例
  • 第五节 本章结语

第十二章 空间复杂脑网络

  • 第一节 图论与复杂网络
  • 第二节 空间复杂脑网络
  • 第三节 总结

第十三章 时序复杂网络分析

  • 第一节 复杂网络简介
  • 第二节 典型复杂网络时间序列分析方法
  • 第三节 复杂网络时间序列分析的两种方法

第十四章 机器学习

  • 第一节 机器学习分析简介
  • 第二节 机器学习分析的脑电特征
  • 第三节 机器学习分析训练
  • 第四节 机器学习分析的特征选择和降维
  • 第五节 机器学习分析的选择分类器
  • 第六节 机器学习分析的评价结果
  • 第七节 机器学习分析的模式表达
  • 第八节 展望:深度学习算法
  • 第九节 机器学习分析示例

第十五章 深度学习

  • 第一节 深度学习简介
  • 第二节 深度学习模型
  • 第三节 在EEG信号中应用的两个示例

第十六章 统计分析

  • 第一节 统计学基础
  • 第二节 假设检验
  • 第三节 方差分析
  • 第四节 相关分析与回归分析
  • 第五节 非参数检验
  • 第六节 多重比较问题

第十七章 同步脑电-功能磁共振

  • 第一节 同步脑电-功能磁共振的硬件系统
  • 第二节 伪迹去除
  • 第三节 基于fMRI约束的EEG源成像
  • 第四节 基于EEG信息的fMRI分析
  • 第五节 多模态脑网络
  • 第六节 应用实例
  • 第七节 总结

第十八章 EEG/ERP数据分析工具箱

  • 第一节 EEG/ERP数据分析工具箱简介
  • 第二节 Letswave介绍
  • 第三节 下载和安装
  • 第四节 单个被试分析的示例
  • 第五节 多个被试分析的示例
  • 第六节 绘图和批处理
结语