脑电信号处理与特征提取_胡理2020P456_14866997电子版

基本信息
商品名称：脑电信号处理与特征提取/中国科学院大学研究生教材系列
作者：胡理//张治国
页数：428
定价：168.0 
出版时间：2020-12-01
ISBN号：9787030667137 
出版社：科学出版社 
版次：1
   
内容提要
    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。
    本书适用于认知神经科学、心理学和生物医学工程等学科的科研工作者，以及其他有能力理解和掌握数据分析方法却缺乏数学和工程学背景知识的业余爱好者。

目录
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    鉴别最优的类别数目
    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

丛 书 名：

• 作  者：
• 出 版 社：
• 出版日期：

• 版    次：
• 页    数：
• 字    数：

• 印刷时间：
• 开    本：
• 纸    张：

• 印    次：
• I S B N：
• 包    装：