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fMRI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。

　　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，是目前最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领域的最新发展写出。《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。

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