声明
致谢
摘要
1 引言
1.1.1 面孔识别能力研究的重要性
1.1.2 基于功能磁共振成像技术的面孔加工神经机制研究
1.1.3 已有研究存在的问题
1.2 静息态fMRI简介
1.2.2 静息态fMRI的应用优势
1.2.3 静息态fMRI数据分析常用方法
1.3 本文主要研究工作
1.3.1 研究内容
1.3.2 研究意义
1.3.3 研究创新点
1.3.3 本文结构
2.1 研究对象
2.2.2 数据预处理
2.3 面孔识别能力实验数据采集与处理
2.3.1 实验设计与数据采集
2.3.2 面孔特异性识别能力指标的获取
2.4 本章小结
3 基于脑功能网络的单变量分析
3.1 静息态功能网络的图论分析
3.2 静息态功能网络的小世界特性
3.3 网络参数与行为指标的相关分析
3.4 本章小结
4 基于弹性网回归的多变量行为预测
4.1 多变量模式分析简介
4.2 弹性网回归方法简介
4.2.1 弹性网回归方法的基本原理
4.2.2 弹性网回归方法的优点
4.3 基于弹性网回归的多变量行为预测
4.3.1 脑区的精简与预测因子的粗筛选
4.3.2 基于弹性网回归的行为预测
4.4 置换检验
4.5 行为预测结果的讨论与分析
4.5.1 预测结果的功能连接分析
4.5.2 预测结果的节点分析
4.5.3 讨论与分析
4.6 本章小结
5 总结及展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集
北京交通大学;