这本视角独特的参考书综述了神经科学研究中的信号处理原理与技术，针对神经生物学的研究特性，明晰地介绍了最新的理论、算法、软件和硬件工具。为解决神经科学领域中基础和应用层面的问题，本书提供了大量统计信号处理的基本原则、理论和方法。本书由领域内专家编写，可作为参考书供神经工程、神经界面、计算神经科学、神经信息学、神经心理学和神经生理学领域的研究者使用。因其广泛介绍了基本原理、理论和方法，所以也可用于神经科学统计信号处理的入门书籍。
样章试读
目录
- 前言
关于本书编辑
关于本书作者
第1章 引言
1.1 背景
1.2 写作动机
1.3 概述及阅读指南
参考文献
第2章 胞外动作电位记录的检测与分类
2.1 引言
2.2 神经元放电的检测
2.2.1 已知神经元放电
2.2.2 未知神经元放电
2.2.3 实际限制
2.2.4 基于变换的方法
2.3 神经元放电的分类
2.3.1 模式识别方法
2.3.2 盲源分离方法
2.4 实际实现
2.5 讨论与未来方向
致谢
参考文献
第3章 神经元数据的信息理论分析
3.1 引言
3.2 编码器
3.3 信道
3.4 率失真理论
3.5 后香农时代的信息理论
3.6 讨论
参考文献
第4章 神经元群活动中非线性动力学的辨识
4.1 引言
4.2 问题表述
4.3 神经元群动力学的非线性模型
4.3.1 模型构造
4.3.2 模型估计
4.3.3 模型选择
4.3.4 核重建与理解
4.3.5 模型验证与预测
4.4 结果:海马CA3-CA1区群活动上的应用
4.4.1 行为任务
4.4.2 数据预处理
4.4.3 CA3-CA1区的MIMO模型
4.5 讨论
4.6 未来方向
致谢
参考文献
第5章 功能性和有效性连接的图模型
5.1 引言
5.2 背景与概述
5.2.1 互相关图
5.2.2 信息理论方法
5.2.3 格兰杰因果性
5.2.4 广义线性模型
5.3 图模型
5.3.1 有效性连接
5.3.2 基于图的功能性连接推断
5.4 结果
5.4.1 神经元放电模型
5.4.2 有效性连接的推断
5.4.3 功能性连接的辨识
5.5 讨论与未来方向
致谢
参考文献
第6章 神经元放电序列和行为数据的状态空间建模
6.1 引言
6.2 状态空间建模范式
6.2.1 符号说明
6.2.2 贝叶斯法则的递归形式
6.2.3 滤波和平滑问题的类别
6.3 状态空间范式在神经科学数据分析中的应用
6.3.1 神经元放电序列解码及点过程滤波器算法
6.3.2 神经元感受野可塑性和瞬时最陡下降滤波
6.3.3 空间感受野的跟踪和粒子滤波
6.3.4 行为学习实验的动态分析和期望-最大化算法
6.3.5 马尔可夫链蒙特卡罗方法和皮层上/下状态的分析
6.3.6 状态空间平滑、动态参数估计和群学习分析
6.4 讨论
致谢
参考文献
第7章 运动与通讯假体的神经解码
7.1 引言
7.2 运动策划和运动神经元活动
7.3 运动假体的连续解码
7.3.1 递归贝叶斯解码器
7.3.2 混合轨迹模型
7.3.3 结果
7.4 通讯假体的离散解码
7.4.1 独立高斯和泊松模型
7.4.2 因子分析方法
7.4.3 结果
7.5 讨论
7.6 未来方向
致谢
参考文献
第8章 神经元放电序列域表征和学习的内积
8.1 引言
8.2 神经元放电序列的功能性表示
8.2.1 突触模型
8.2.2 强度估计
8.3 神经元放电序列的内积
8.3.1 神经元放电序列内积的定义
8.3.2 所定义的内积的性质
8.3.3 内积所诱导的距离
8.4 应用
8.4.1 无监督学习:主成分分析
8.4.2 有监督学习:Fisher线性判别
8.5 讨论
附录A 经由非线性的高阶神经元放电交互作用
附录B 证明
附录C RKHS理论简介
致谢
参考文献
第9章 同步采集的脑电(EEG)与功能核磁共振成像(fMRI)数据单次实验分析的信号处理与机器学习
9.1 引言
9.2 硬件设计和构成:EEG/fMRI采集的挑战
9.2.1 EEG电极帽设计
9.2.2 EEG放大器
9.2.3 同步采样
9.3 信号处理和BCG伪迹的去除
9.3.1 克希霍夫描述
9.4 任务相关的EEG成分单次实验变化与Bold信号的关联
9.4.1 使用线性判别的EEG成分辨识
9.4.2 基于EEG成分单次实验变动性的fMRI回归因子构造
9.5 结果
9.6 未来方向
致谢
参考文献
第10章 脑-机接口中的统计模式识别与机器学习
10.1 引言
10.2 脑-机接口系统中的信号处理和模式识别
10.2.1 信号采集和主要信号类型
10.2.2 模式识别和机器学习
10.3 应用
10.3.1 基于P300的仿人机器人控制
10.3.2 基于想象运动的虚拟环境控制
10.4 讨论
致谢
参考文献
第11章 用于脊椎损伤病人手握恢复的基于皮层信号的肌肉活动预测
11.1 引言
11.2 背景
11.2.1 作为潜在控制解决方案的脑-机接口
11.2.2 用于动态控制的脑-机接口
11.3 方法
11.3.1 等距腕扭转任务
11.3.2 手抓任务
11.3.3 手术方法
11.3.4 数据采集
11.3.5 线性系统辨识
11.3.6 神经阻断的有效性
11.3.7 刺激
11.3.8 实时控制
11.4 结果
11.4.1 离线信号预测
11.4.2 实时功能电刺激控制
11.5 讨论
11.5.1 成功的概念验证
11.5.2 复杂运动任务控制的局限性
11.5.3 有关使用功能电刺激控制器的局限性
11.6 未来方向
11.6.1 基于自然肌肉协同收缩的高维运动控制
11.6.2 自适应性
致谢
参考文献
索引
京公网安备 11010102004214号