文摘
英文文摘
第一章 绪论
第一节 引言
第二节 突触可塑性与LTP的基本概念
1.2.1 突触可塑性
1.2.2 长时程增强(LTP)
第三节 脑电信号简要介绍
1.3.1 脑电信号分类
1.3.2 脑电节律和功能介绍
第四节 脑电信号分析的研究现状
1.4.1 单导信号分析方法
1.4.2 两导信号分析方法
1.4.3 多导信号分析方法
第五节 耦合方向算法简单介绍
1.5.1 演化映射法(EMA)
1.5.2 Granger因果关系法
1.5.3 基于条件互信息的相位同步指数法(IM)
第六节 抑郁疾病背景介绍
1.6.1 抑郁的临床特征及发病机制
1.6.2 抑郁的临床诊断及治疗方法
第七节 研究目的和意义
第八节 本论文的结构安排
第二章 算法介绍
第一节 Hilbert变换
2.1.1 Hilbert变换的定义
2.1.2 Hilbert变换提取瞬时相位
第二节 基于信息论的相位同步指数法
第三节 功率谱
第四节 样本熵
2.4.1 样本熵背景
2.4.2 样本熵算法介绍
第三章 脑电数据的获取
第一节 神经元群模型及脑电信号仿真
3.1.1 神经元群模型发展
3.1.2 基本神经元群模型
3.1.3 多通道耦合神经元群模型
3.1.4 NMM 仿真脑电信号
第二节 大鼠脑电信号的采集
3.2.1 实验动物及抑郁动物建模
3.2.2 电生理实验及LFP信号采集
第四章 仿真数据分析与讨论
第一节 仿真数据测试IM算法性能
第二节 比较不同带宽下的方向指数结果
4.2.1 带宽对瞬时相位的影响
4.2.2 计算相锁值
4.2.3 带宽对方向指数的影响
第三节 IM算法参数设置
4.3.1 香农熵估计格数
4.3.2 时间延迟
4.3.3 移动窗口长度
4.3.4 小结
第五章 实验数据分析与讨论
第一节 引言
第二节 统计分析
第三节 实验数据分析结果
5.3.1 功率谱计算
5.3.2 样本熵计算
5.3.3 信息流方向指数计算
5.3.4 LTP实验
第四节 实验数据分析结论
5.4.1 能量及复杂度变化
5.4.2 神经信息流变化
5.4.3 突触可塑性变化
5.4.4 神经信息流与突触可塑性的关系
第六章 总结与展望
第一节 总结
第二节 展望
参考文献
致谢
个人简历、在学期间发表学术论文