同步脑电：功能磁共振（EEG-fMRI）原理与技术 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

雷旭，尧德中 著

图书标签:

• 脑电
• 功能磁共振
• 神经科学
• 认知神经科学
• 生物医学工程
• 信号处理
• 神经影像
• 脑机接口
• 数据分析
• 同步脑电

出版社： 科学出版社

ISBN：9787030399830

版次：01

商品编码：11433998

包装：平装

丛书名： 生命科学前沿

开本：16开

出版时间：2014-03-01

用纸：胶版纸

页数：208

正文语种：中文

内容简介

　　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，是目前有潜力的多模态神经成像技术之一。《同步脑电：功能磁共振（EEG-fMRI）原理与技术》以作者相关研究工作为基础，结合同步EEG-fMRI领域的新发展写出。《同步脑电：功能磁共振（EEG-fMRI）原理与技术》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。

作者简介

雷旭，博士，1982年4月生于重庆大足，西南大学心理学部副教授，硕士生导师。25年9月由电子科技大学数学科学学院保送进入生命科学与技术学院学习生物医学工程。硕博连读，于211年获得工学博士学位。博士论文为《基于贝叶斯理论的EEG�瞗MRI融合技术研究》。主要研究兴趣包括：脑静息态网络、睡眠的多模态神经成像研究、脑电与磁共振同步采集技术与信息融合技术等。目前已在NeuroImage、Human Brain Mapping、Journal of Cognitive Neuroscience等刊物发表论文近4篇，3余篇被SCI检索，研究成果多次登上Human Brain Mapping、NeuroImage等国际神经成像杂志的封面。主持和参加了多项国家自然科学基金、社科基金项目。尧德中，博士，1965年8月生于重庆南川，长江学者特聘教授，国家杰出青年基金获得者，全国优秀教师。现任电子科技大学生命科学与技术学院院长，神经信息教育部重点实验室主任。主要从事脑机接口、多模态神经成像、脑网络、音乐认知、癫痫机制等方面的研究。先后承担了国家自然基金重点项目、973计划课题、863计划项目、教育部创新团队、神经信息创新引智基地(111计划)项目等；已培养博士生25人。已在国外重要刊物发表SCI检索论文1余篇，参编国外英文专著4部，中文教材1部、专著1部；获得教育部自然科学一等奖1次；申请国家发明专利1余项。

目录

前言

第一篇 概论

第1章 EEG和fMRI的生理基础

1．1 大脑解剖结构

1．2 EEG的产生机制

1．2．1 锥体细胞与脑电

1．2．2 脑电节律

1．3 fMRI成像原理

1．4 同步采集的神经生理基础

1．4．1 突触输入、神经元输出与BOLD信号

1．4．2 BOLD负向响应相关的神经活动

1．4．3 fMRI自发振荡相关的神经活动

参考文献

第2章 同步EEG-fMRI的发展历史

2．1 同步EEG-fMRI产生的背景

2．1．1 脑电

2．1．2 事件相关电位

2．1．3 功能磁共振

2．1．4 同步采集的发展

2．2 同步EEG-fMRI的应用

2．2．1 癫痫

2．2．2 脑静息态

2．2．3 睡眠

2．2．4 认知功能

2．3 同步EEG-fMRI的前景

参考文献

第3章 同步记录及其技术原理

3．1 设备和装置

3．1．1 整体结构

3．1．2 安全性

3．1．3 材料

3．1．4 磁谐放大器

3．1．5 同步盒

3．2 磁谐电极帽

3．2．1 电极导线连接方法

3．2．2 国际10-20系统

3．2．3 导联与参考电极

3．2．4 安全注意事项

3．3 数据质量

3．3．1 影像伪迹

3．3．2 EEG伪迹去除

3．4 同步扫描的基本要求

3．4．1 EEG系统技术指标

3．4．2 fMRI系统技术指标

参考文献

第4章 实验设计与基本分析方法

4．1 自发活动范式

4．2 刺激驱动范式

4．2．1 实验设计流程

4．2．2 案例一：行为监控任务

4．2．3 案例二：视觉注意任务

4．3 融合模型及算法

4．3．1 基于fMRI约束的EEG成像

4．3．2 基于EEG信息的fMRI分析

4．3．3 EEG-fMRI对称融合

4．3．4 融合方法的研究前沿

4．4 融合的开源软件

4．5 本章小结

参考文献

第二篇 融合策略与方法

第5章 基于fMRI约束的EEG成像

5．1 引言

5．2 方法原理

5．2．1 经验贝叶斯模型

5．2．2 先验信息

5．2．3 网络先验与网络源定位

5．2．4 约束最大似然估计

5．2．5 NESOI的处理流程

5．3 模拟实验检验

5．3．1 正演模型

5．3．2 模拟EEG数据

5．3．3 评价指标

5．3．4 模拟实验结果

5．4 真实数据检验

5．4．1 多模态人脸识别研究

5．4．2 痫样放电的定位

5．5 结果讨论

5．6 本章小结

参考文献

第6章 基子EEG信息的fMRI分析

6．1 EEG驱动的广义线性模型

6．1．1 自发事件的识别与分类

6．1．2 节律能量建模

6．2 基于EEG信息的fMRI分析

6．2．1 提取单试次ERP特征

6．2．2 构造广义线性模型

6．2．3 解卷积法

6．2．4 经验贝叶斯模型

6．3 多元分析与模式识别

参考文献

第7章 EEC-fMRI对称融合

7．1 时空对称融合

7．1．1 STEFF的核心算法

7．1．2 数据预处理

7．1．3 分组ICA

7．1．4 STEFF的处理流程

7．2 模拟实验检验

7．2．1 模拟数据

7．2．2 分组ICA

7．2．3 实验结果

7．3 讨论

7．3．1 STEFF与分组ICA

7．3．2 STEFF与数据／模型驱动的融合

7．3．3 EEG与fMRI间的稀疏匹配

7．3．4 STEFF对融合的贡献

7．4 本章小结

参考文献

第8章 多模态功能网络连接

8．1 功能连接与功能网络连接

8．1．1 功能连接

8．1．2 功能网络连接

8．2 多模态功能网络连接

8．2．1 功能网络提取

8．2．2 功能网络连接分析

8．2．3 模态间的匹配

8．2．4 图论分析

8．3 仿真实验

8．3．1 功能网络连接分析流程

8．3．2 功能网络连接分析的稳定性

8．4 视觉任务

8．4．1 实验设计与数据获取

8．4．2 数据预处理

8．4．3 功能网络提取

8．4．4 模态间匹配

8．4．5 功能网络连接分析

8．4．6 图论分析

8．5 结果与讨论

8．5．1 功能连通性

8．5．2 模态间的配准

8．5．3 功能网络连接

8．5．4 多模态功能网络连接

8．5．5 本方法的局限性

8．6 本章小结

参考文献

第9章 基于ICA的融合框架

9．1 引言

9．2 混合的融合

9．2．1 互补的神经生理特征

9．2．2 基于ICA的融合

9．3 时空对称融合

9．3．1 STEFF

9．3．2 变分贝叶斯推断

9．3．3 融合中的阴阳特征

9．4 大尺度脑网络

9．4．1 功能网络连接

9．4．2 多模态功能网络连接

9．5 讨论

9．5．1 模型驱动与数据驱动的融合

9．5．2 EEG-fMRI融合的科学问题

9．6 本章小结

参考文献

第三篇 应用

第10章 癫痫

10．1 癫痫研究背景

10．1．1 癫痫放电的fMRI分析

10．1．2 癫痫的EEG成像

10．1．3 两种模态的结合研究

10．2 资料与方法

10．2．1 研究对象与临床信息

10．2．2 采集同步EEG-fMRI数据

10．2．3 提取IED特征与fMRI数据处理

10．2．4 EEG-fMRI时空对称融合

10．2．5 性能评价指标

10．3 结果

10．3．1 基于STEFF的癫痫网络成像

10．3．2 病例报告

10．4 讨论

10．4．1 IED相关成分的时空特征

10．4．2 IED相关成分与EEG源成像的关系

10．4．3 STEFF对IED相关成分的细分

10．5 本章小结

参考文献

第11章 静息态

11．1 静息态的研究背景

11．1．1 静息态与内源性振荡

11．1．2 静息态与脑网络

11．2 静息态与EEG

11．2．1 静息态节律

11．2．2 微状态分析

11．3 静息态与同步EEG-fMRI

11．3．1 α节律

11．3．2 默认模式网络

11．3．3 微状态与静息网络

11．4 本章小结

参考文献

第12章 睡眠

12．1 睡眠神经生理基础

12．1．1 睡眠的脑电基础

12．1．2 睡眠的神经成像基础

12．1．3 采用同步EEG-fMRI的优越性

12．2 同步记录用于睡眠的技术挑战

12．2．1 睡眠同步记录面临的主要问题

12．2．2 解决办法

12．3 同步记录的睡眠研究

12．3．1 自发活动睡眠的同步研究

12．3．2 睡眠知觉处理过程的同步研究

12．4 本章小结

参考文献

第13章 认知功能

13．1 同步记录应用于认知任务

13．1．1 注意

13．1．2 执行功能

13．1．3 记忆

13．1．4 决策

13．1．5 情绪

13．2 同步采集用于认知研究的优缺点

13．3 现有研究的局限与未来方向

参考文献

图版

前言/序言

《同步脑电：功能磁共振（EEG-fMRI）原理与技术》一书，作为一本深入探讨神经科学前沿研究方法的专著，旨在为读者构建一个清晰、详实的理论框架和实践指南。本书并非简单罗列两种技术，而是聚焦于它们如何协同工作，揭示大脑活动的奥秘。 核心内容与特色： 本书的核心在于对脑电图（EEG）和功能性磁共振成像（fMRI）这两种在神经科学研究中占据核心地位的脑成像技术进行系统性的介绍，并重点阐述如何将这两种技术进行同步采集，以期获得比单一技术更为丰富和精确的大脑活动信息。 脑电图（EEG）的原理与技术： 生理基础： 详细阐述EEG信号的来源，即大脑皮层神经元群体活动的电生理基础，特别是突触后电位的累加效应。解释不同脑波频段（如delta, theta, alpha, beta, gamma）各自的生理意义及其与特定认知状态（如睡眠、放松、专注、活动）的关联。 信号采集： 介绍EEG信号采集的基本原理，包括电极放置的标准系统（如10-20系统），不同类型电极的特性，以及导联配置（monopolar, bipolar）的含义。 信号处理： 深入探讨EEG信号处理的关键步骤，包括伪迹（artifact）的识别与去除（如眼动、肌肉活动、外部电磁干扰），滤波技术（如低通、高通、带通滤波）的应用，以及信号的放大与数字化过程。 特征提取与分析： 讲解常用的EEG分析方法，如时域分析（事件相关电位ERP）、频域分析（功率谱密度分析、时频分析）、空间分析（源定位技术，如LORETA, sLORETA, MNE）。 EEG的优势与局限： 明确指出EEG在时间分辨率上的极高优势，能够捕捉毫秒级的神经活动变化，但其空间分辨率相对较低，信号容易受到头骨和头皮的衰减。 功能磁共振成像（fMRI）的原理与技术： 生理基础： 详细介绍fMRI的核心原理——血氧水平依赖（BOLD）效应。解释当大脑区域活动增加时，血流量和血氧水平的变化如何导致局部磁信号的变化，从而被MRI设备检测到。 信号采集： 阐述MRI扫描仪的工作原理，包括强磁场、射频脉冲和梯度磁场的作用。介绍fMRI的成像序列（如EPI），以及影响成像质量的因素（如场强、分辨率、TR、TE）。 信号处理： 详细讲解fMRI数据处理的流程，包括预处理步骤（如头动校正、切片时间校正、空间平滑、归一化），以及对BOLD信号的分析。 数据分析： 深入探讨fMRI数据分析的统计模型，如一般线性模型（GLM），以及常用的统计推断方法。介绍功能连接（functional connectivity）和有效连接（effective connectivity）的概念及其分析方法。 fMRI的优势与局限： 强调fMRI在空间分辨率上的优势，能够较高精度地定位大脑活动区域，但其时间分辨率相对较低，BOLD信号是间接的生理指标，存在一定的延迟。 EEG-fMRI同步采集的原理与方法： 协同优势： 明确指出EEG-fMRI同步采集的核心价值在于整合高时间分辨率的EEG与高空间分辨率的fMRI，从而实现对大脑活动更全面、更精细的理解。例如，EEG可以精确捕捉瞬时的认知事件，而fMRI则可以定位这些事件发生时大脑活动的具体区域。 技术挑战与解决方案： 深入分析同步采集过程中面临的技术难题，包括MRI环境对EEG设备的电磁干扰（MRI对EEG信号的伪迹影响）以及EEG设备对fMRI图像质量的影响（EEG硬件对MRI扫描的影响）。详细介绍各种抗干扰技术，如特殊的屏蔽材料、滤波算法、同步采集硬件设计等，以及如何最大程度地减少彼此之间的干扰。 同步采集流程： 详细说明EEG-fMRI同步采集的标准操作流程，包括被试准备、硬件连接、数据采集参数设置、以及采集过程中的注意事项。 数据融合与联合分析： 重点介绍如何将同步采集获得的EEG和fMRI数据进行融合与联合分析。这部分内容将是本书的亮点，将涵盖多种先进的分析策略，例如： EEG驱动的fMRI分析： 利用EEG检测到的特定事件（如ERP成分）作为时间标记，分析此时fMRIBOLD信号的变化，从而定位与该事件相关的脑区。 fMRI驱动的EEG分析： 利用fMRI识别出的活跃脑区，分析在这些脑区活动时，EEG信号的相应变化。 多模态数据融合模型： 介绍更复杂的统计模型，能够同时考虑EEG和fMRI的信号特性，进行联合建模和推断。 基于机器学习的融合方法： 探索利用机器学习技术，从多模态数据中提取更深层次的信息，进行分类、预测等任务。 应用领域与案例研究： 本书将通过具体的应用案例，生动展示EEG-fMRI同步技术在各个神经科学领域的研究价值，例如： 认知神经科学： 研究注意力、记忆、决策、语言等认知过程的神经机制。 临床神经科学： 诊断和理解癫痫、抑郁症、精神分裂症、帕金森病等神经和精神疾病的病理生理学基础。 睡眠研究： 探索不同睡眠阶段大脑活动的特点。 脑机接口（BCI）： 开发更高效、更精确的脑机接口系统。 每个案例都将详细介绍研究设计、数据采集、分析方法以及研究结果的解读，帮助读者理解该技术的实际应用能力。 本书的受众： 《同步脑电：功能磁共振（EEG-fMRI）原理与技术》适合广泛的读者群体，包括但不限于： 神经科学研究人员： 无论是在认知、临床、计算神经科学领域，都将从本书中获得深入的技术指导和新的研究思路。 医学影像技术人员： 了解EEG-fMRI同步采集的原理和操作流程，提升技术水平。 生物医学工程专业的学生和研究者： 学习和掌握前沿的脑成像技术，为未来的研究和开发打下基础。 对大脑活动和神经科学感兴趣的广大读者： 愿意深入了解现代大脑研究方法，并对大脑活动有更精细的认识。 总结： 《同步脑电：功能磁共振（EEG-fMRI）原理与技术》不仅仅是一本技术手册，更是一本引导读者理解如何跨越技术鸿沟，整合两种强大脑成像技术，从而在更广阔的维度上探索人脑奥秘的学术著作。本书将理论与实践相结合，内容翔实，条理清晰，是该领域不可多得的参考书。

评分☆☆☆☆☆

作为一名对脑科学研究充满热情的业余爱好者，我平时主要通过科普读物和网络文章来了解这个领域。EEG和fMRI是两个我经常听到的名词，也大概知道它们分别测量大脑的电活动和血流变化。但我一直觉得，仅仅知道这两个词，就像是只看到了拼图的边缘，而这本书的标题“同步脑电：功能磁共振（EEG-fMRI）原理与技术”，听起来就像是把这两块拼图的中间部分连接起来了，让我能更清晰地看到大脑工作时的完整画面。我最想知道的是，为什么要把这两种看似不同的技术结合起来？它们各自的优势和劣势是什么？结合起来又有什么是单用一种技术无法实现的？比如，EEG的毫秒级时间分辨率和fMRI的厘米级空间分辨率，当它们同步起来，是不是就能同时看到“大脑在做什么”和“在哪里做”？我很期待这本书能用相对易懂的语言，解释清楚这些原理，并且最好能提供一些实际的案例，让我能直观地理解EEG-fMRI技术是如何帮助科学家们解决那些困扰已久的脑科学难题的。

评分☆☆☆☆☆

说实话，我是一名正在攻读神经影像学博士的学生，对于EEG和fMRI的原理和数据处理都算比较熟悉，也经历过不少次将两者数据进行整合的尝试，虽然过程中也阅读了不少相关的文献和一些零散的技术手册。然而，真正能将EEG-fMRI整合的理论基础、技术细节、以及由此衍生的应用场景，系统地、全面地、深入地梳理一遍的书籍，我确实还没有遇到。尤其是在数据采集过程中，如何精确地同步这两种信号，如何处理各自固有的噪声和伪影，以及如何设计实验来最大化同步数据的价值，这些都是非常关键但又往往在单技术书籍中被一带而过的部分。我希望能从这本书中找到关于“同步”这个概念的更严谨的定义和实现方式，以及针对不同实验范式，EEG-fMRI数据融合的最佳实践。当然，如果还能看到一些关于高级信号处理和机器学习方法在EEG-fMRI数据分析中的最新进展，那将是锦上添花了，毕竟这对于我们前沿研究至关重要。

评分☆☆☆☆☆

在我从事临床心理治疗工作的十余年间，我深刻体会到理解大脑功能异常对于诊断和治疗的至关重要性。近年来，神经影像技术的发展为我们打开了新的视角，其中EEG和fMRI无疑是最具代表性的两种。虽然我接触过一些关于EEG和fMRI各自在精神疾病研究中应用的资料，但我一直渴望能有一种系统性的资源，能够讲解如何将这两种技术结合起来，以更全面地揭示大脑在不同病理状态下的功能网络紊乱。比如，在抑郁症、焦虑症或精神分裂症等疾病的早期诊断和疗效评估中，如何利用同步EEG-fMRI技术，捕捉到那些肉眼难以察觉、但却对疾病发生发展至关重要的神经活动模式？这本书的标题“同步脑电：功能磁共振（EEG-fMRI）原理与技术”，直接触及了我最感兴趣的核心，我期待它不仅能提供扎实的理论基础，更重要的是，能够呈现如何在临床实践中应用这些技术，以及这些技术的研究成果如何转化为更精准的诊断工具和更有效的治疗策略，从而真正造福于患者。

评分☆☆☆☆☆

作为一名资深的游戏开发者，我对玩家在沉浸式游戏体验中的大脑活动状态有着浓厚的兴趣。我们一直在探索如何通过技术手段，更精准地捕捉玩家在面对不同游戏场景、挑战和情感反馈时的即时反应。EEG能够提供非常精细的时间分辨率，捕捉玩家情绪的瞬间变化，而fMRI则能揭示玩家在玩游戏时大脑激活的区域，从而了解哪些游戏设计元素能够引发玩家的特定认知和情感反应。将这两种技术同步起来，对我来说，意味着能够以前所未有的方式，深入理解玩家的游戏体验。这本书的标题“同步脑电：功能磁共振（EEG-fMRI）原理与技术”，正是我一直在寻找的关于如何实现这一目标的技术指南。我迫切希望了解，如何在游戏环境中搭建EEG-fMRI同步采集系统，如何处理这些复杂的、多模态的数据，以及如何将分析结果应用于改进游戏设计，创造出更具吸引力和沉浸感的游戏。

评分☆☆☆☆☆

这本书的封面设计，尤其是那流动的脑电波纹与沉静的磁共振成像图的交织，着实让我眼前一亮。我是一名对神经科学领域略有涉猎的爱好者，尤其对大脑的工作机制感到着迷。平时阅读了不少关于单一人体测量技术（比如单是EEG或单是fMRI）的书籍，它们各自都提供了相当深入的理论背景和实验操作指南。但常常在读完后，会有一个疑问萦绕在心头：这两种强大的工具，各自都如此复杂精妙，当它们被整合在一起时，又会碰撞出怎样令人惊叹的火花？它们究竟是如何实现“同步”的？是简单地叠加，还是存在着更深层次的协同作用？我尤其好奇，在实际应用中，这种同步的EEG-fMRI技术是如何帮助我们更细致地理解大脑在执行复杂认知任务时，例如决策、记忆形成或情感处理时，不同脑区之间的信息传递和功能耦合的。这本书的标题，让我看到了解答这些疑惑的希望，期待它能为我揭示脑科学研究中这种“双剑合璧”的强大力量，以及它可能带来的突破性进展。

评分☆☆☆☆☆

好书

评分☆☆☆☆☆

不错不错不错不错不错

评分☆☆☆☆☆

还没看 感觉还不错

评分☆☆☆☆☆

一直用这个牌子

评分☆☆☆☆☆

随便翻翻

评分☆☆☆☆☆

还没时间看 估计很不错

评分☆☆☆☆☆

未来打算做这个方向，很多基础知识需要进一步夯实

评分☆☆☆☆☆

很细致适合初学者，推荐购买

评分☆☆☆☆☆

还没看，还可以吧应该