《腦電信號處理與特徵提取》是2020年科學出版社出版的圖書，作者是胡理。
基本介紹
- 中文名：腦電信號處理與特徵提取
- 作者：胡理
- 出版社：科學出版社
- 出版時間：2020年12月1日
- 頁數：428 頁
- 定價：168 元
- 開本：16 開
- 裝幀：平裝
- ISBN：9787030667137
內容簡介,圖書目錄,
內容簡介
腦電的獨特優勢使其在臨床和科學研究中廣泛套用。隨著人腦電活動實時測量技術的逐步提高，一系列腦電信號處理方法得到快速發展懂歡循，腦電有望成為更有效和通用的研究大腦功能的工具。《腦電信號處理辯贈滲頸與特徵提取》各章由相關領域擁有豐富經驗的優秀境察判研究者撰寫，旨在以全面、簡潔且通俗易懂的方式，呈現作者對腦電技術本身及信號處理方法的深入理解和套用心得，向讀者提供覆蓋腦電神經基礎、主流腦電信號處理和特徵提取方法相關的概念、數學及套用知識。大多數章節還連結了MATLAB軟體、代碼和示例數據。
圖書目錄
叢書序（楊玉芳 吳艷紅）
序一（羅躍嘉）
序二（堯德中）
前言
縮略語表
第一章 腦電的神經起源和束促擔墓測量 001
第一節 腦電的神經起源 001
第二節 腦電測量 005
第二章 腦電、誘發電位和事件相關電位 016
第一節章剃奔 自發性腦電活動 016
第二節 誘發電位和事件相關電位 017
第三節 EP和ERP的概述 018
第四節 常見的EP和ERP成分 019
第五節 腦電技術的優勢和局限性 027
第三章 ERP實驗設計 037
第一節 實驗設計與認知過程 039
第二節 ERP實驗的技術性要求 046
第三節 實驗的無關因素 050
第四節 經典實驗設計及對應的ERP成分 052
第四章 腦電數據的預處理與降噪 070
第一節 腦電信號狼廈微中的偽跡 071
第二節 導聯方法 073
第三節 濾波 075
第四節 重參考 076
第五節 腦電分段和基線校正 077
第六節 剔除或插值壞導 078
第七節 剔除壞段 078
第八節 基於ICA的偽跡去除 079
第九節 總結 080
第五章 頻譜分析和時頻分析 084
第一節 簡介 084
第二節 頻譜估計 085
第三節 時頻分析 095
第四節 事件相關同步化/去同步化 104
第六章 盲源分離 112
第一節 盲源分離算法簡介 112
第二節 主成分分析與旋轉在事件相關電位分析中的套用 114
第三節 獨立成分分析在連續腦電中的套用 121
第四節 張量分解在事件相關電位研究中的套用 131
第七章 微狀態分析 136
第一節 基礎概念 139
第二節 微狀態分析中的空間聚類算法 140
第三節 鑑別*優的類別數目 143
第四節 匹配模板圖和電壓圖 144
第五節 經常使用微狀態參數 144
第六節 微狀態分析中的可用工具 145
第七節 總結 151
第八章 源分析 154
第一節 正問題 155
第二節 逆問題 159
第三節 貝葉斯 166
第四節 未來的發展方向 171
第五節 套用實例 173
第六節 總結 185
第九章 單試次分析 190
第一節 單試次分析簡介 190
第二節 如何進行單試次分析 192
第三節 單試次分析的潛在套用 205
第十章 非線性神經動力學 215
第一節 非線性神經動力學簡介 216
第二節 複雜度 218
第三節 熵 222
第四節 赫斯特指數 229
第五節 遞歸圖 231
第六節 總結 233
第十一章 連通性分析 239
第一節 共同源問題 240
第二節 EEG連通性分析中的指標 241
第三節 總結 250
第四節 示例 255
第五節 本章結語 262
第十二章 空間複雜腦網路 266
第一節 圖論與複雜網路 268
第二節 空間複雜腦網路 270
第三節 總結 279
第十三章 時序複雜網路分析 284
第一節 複雜網路簡介 285
第二節 典型複雜網路時間序列分析方法 286
第三節 複雜網路時間序列分析的兩種方法 290
第十四章 機器學習 297
第一節 機器學習分析簡介 298
第二節 機器學習分析的腦電特徵 299
第三節 機器學習分析訓練邀腳 301
第四節 機器學習分析的特徵選擇和降維 302
第五節 機器學習分析的選擇分類器 304
第六節 機器學習分析的評價結果 307
第七節 機器學習分析的模式表達 309
第八節 展望：深度學習算法 310
第九節 機器學習分析示例 312
第十五章 深度學習 318
第一節 深度學習簡介 319
第二節 深度學習模型 319
第三節 在EEG信號中套用的兩個示例 321
第十六章 統計分析 326
第一節 統計學基礎 326
第二節 假設檢驗 336
第三節 方差分析 344
第四節 相關分析與回歸分析 349
第五節 非參數檢驗 353
第六節 多重比較問題 359
第十七章 同步腦電-功能磁共振 367
第一節 同步腦電-功能磁共振的硬體系統 368
第二節 偽跡去除 369
第三節 基於fMRI約束的EEG源成像 373
第四節 基於EEG信息的fMRI分析 375
第五節 多模態腦網路 379
第六節 套用實例 382
第七節 總結 388
第十八章 EEG/ERP數據分析工具箱 397
第一節 EEG/ERP數據分析工具箱簡介 397
第二節 Letswave介紹 399
第三節 下載和安裝 404
第四節 單個被試分析的示例 405
第五節 多個被試分析的示例 414
第六節 繪圖和批處理 420
結語 426
第七節 總結 151
第八章 源分析 154
第一節 正問題 155
第二節 逆問題 159
第三節 貝葉斯 166
第四節 未來的發展方向 171
第五節 套用實例 173
第六節 總結 185
第九章 單試次分析 190
第一節 單試次分析簡介 190
第二節 如何進行單試次分析 192
第三節 單試次分析的潛在套用 205
第十章 非線性神經動力學 215
第一節 非線性神經動力學簡介 216
第二節 複雜度 218
第三節 熵 222
第四節 赫斯特指數 229
第五節 遞歸圖 231
第六節 總結 233
第十一章 連通性分析 239
第一節 共同源問題 240
第二節 EEG連通性分析中的指標 241
第三節 總結 250
第四節 示例 255
第五節 本章結語 262
第十二章 空間複雜腦網路 266
第一節 圖論與複雜網路 268
第二節 空間複雜腦網路 270
第三節 總結 279
第十三章 時序複雜網路分析 284
第一節 複雜網路簡介 285
第二節 典型複雜網路時間序列分析方法 286
第三節 複雜網路時間序列分析的兩種方法 290
第十四章 機器學習 297
第一節 機器學習分析簡介 298
第二節 機器學習分析的腦電特徵 299
第三節 機器學習分析訓練 301
第四節 機器學習分析的特徵選擇和降維 302
第五節 機器學習分析的選擇分類器 304
第六節 機器學習分析的評價結果 307
第七節 機器學習分析的模式表達 309
第八節 展望：深度學習算法 310
第九節 機器學習分析示例 312
第十五章 深度學習 318
第一節 深度學習簡介 319
第二節 深度學習模型 319
第三節 在EEG信號中套用的兩個示例 321
第十六章 統計分析 326
第一節 統計學基礎 326
第二節 假設檢驗 336
第三節 方差分析 344
第四節 相關分析與回歸分析 349
第五節 非參數檢驗 353
第六節 多重比較問題 359
第十七章 同步腦電-功能磁共振 367
第一節 同步腦電-功能磁共振的硬體系統 368
第二節 偽跡去除 369
第三節 基於fMRI約束的EEG源成像 373
第四節 基於EEG信息的fMRI分析 375
第五節 多模態腦網路 379
第六節 套用實例 382
第七節 總結 388
第十八章 EEG/ERP數據分析工具箱 397
第一節 EEG/ERP數據分析工具箱簡介 397
第二節 Letswave介紹 399
第三節 下載和安裝 404
第四節 單個被試分析的示例 405
第五節 多個被試分析的示例 414
第六節 繪圖和批處理 420
結語 426
