Introduction to Functional Magnetic Resonance Imaging pdf epub mobi txt 电子书下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:Cambridge Univ Pr

作者:Buxton, R.B.

出品人:

页数:536

译者:

出版时间:2002-1

价格:$ 297.18

装帧:HRD

isbn号码:9780521581134

丛书系列:

图书标签:

fMRI
英文原版
心理学
fMRI
Neuroimaging
Functional Imaging
MRI
Neuroscience
Cognitive Neuroscience
Brain Mapping
Medical Imaging
Research Methods
Neurobiology

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到本本书屋

onlinetoolsland.com

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

具体描述

Functional Magnetic Resonance Imaging (fMRI) is now a standard tool for mapping activation patterns in the human brain. This highly interdisciplinary field involves neuroscientists and physicists as well as clinicians, and the range, flexibility and sophistication of the techniques being used are increasing rapidly. In this book, Richard Buxton, a leading authority on fMRI, provides an invaluable introduction to how fMRI works, from basic principles and the underlying physics and physiology, to newer techniques such as arterial spin labeling and diffusion tensor imaging. The book also includes discussion of how fMRI relates to other imaging techniques (such as Positron Emission Tomography, or PET) and a guide to the statistical analysis of fMRI data. This book will be useful both to the experienced researcher using fMRI, and the clinician or researcher with no previous knowledge of the technology.

信号与结构：神经影像学的新视野《信号与结构：神经影像学的新视野》是一本全面深入探讨现代神经影像学核心概念、技术原理及其在神经科学和临床医学应用的前沿专著。本书旨在为研究生、科研人员以及希望深入了解大脑结构与功能连接的临床医生提供一个严谨而详尽的知识框架。我们聚焦于那些对理解人类认知、疾病机制至关重要，但未被传统结构成像技术充分揭示的领域。本书的首要目标是超越基础的解剖学描述，深入到信号的产生、采集、处理以及最终数据的解释层面。我们不侧重于已建立的、成熟的MRI技术细节（如常规T1/T2加权成像的参数优化），而是将注意力集中在那些推动我们对大脑动态活动和连接性理解的新兴或复杂成像范式。第一部分：超越静止：动态功能网络的解析本部分着重探讨了如何捕捉大脑在执行任务和静息状态下的瞬时或持续的活动模式。我们认为，理解大脑功能并非简单地定位激活区域，而是要理解这些区域如何协同工作，形成复杂的功能网络。第一章：任务态fMRI的实验设计与统计局限本章将详细分析不同类型任务（如认知负荷任务、情感刺激、决策制定）对BOLD信号的调制机制。我们不仅会讨论标准的事件相关设计和块设计，更会深入探讨参数化模型（Parametric Modeling）在捕捉反应梯度和学习曲线中的应用。重点在于区分由神经元活动直接引起的BOLD响应延迟和生理混淆（如呼吸和心跳伪影）对数据质量的系统性影响。我们还将批判性地审视当前的统计阈值设定方法（如FDR与FWE校正）在多变量空间中的合理性，以及如何设计更具生态效度的任务范式。第二章：静息态网络（RSNs）的拓扑学与动力学本章是本书的核心之一，专注于在个体未执行特定任务时大脑自发活动的测量和解释。我们摒弃了仅仅罗列“默认模式网络（DMN）”等传统网络的做法，转而采用更精细的图论方法（Graph Theory）来描述网络拓扑结构。详细阐述了最小生成树（Minimum Spanning Tree, MST）、小世界属性（Small-World Properties）以及模块化结构（Modularity）如何量化大脑组织效率和局部特异性。此外，我们深入探讨了时间序列的非线性分析，如相位同步性（Phase Synchrony）和低频振荡的演化，以揭示网络内部信息流动的瞬时特征。第三章：高阶功能连接的建模传统功能连接（Functional Connectivity, FC）主要依赖皮尔逊相关系数，但大脑连接的复杂性远超线性关系。本章介绍了一系列用于捕捉非线性关系的先进工具，包括动态因果建模（Dynamic Causal Modeling, DCM）和基于格林函数（Green’s Function）的有效连接性（Effective Connectivity）估计。重点阐述了如何利用DCM来检验特定神经环路（如丘脑皮层回路）中刺激的输入、驱动和调节效应，而非仅仅测量活动的相关性。我们对不同有效连接模型（如输入、自回归、交互模型）的先验假设进行了详尽的比较和权衡。第二部分：微观结构与水分子行为：弥散与灌注成像的深度解读本部分着眼于如何利用水分子在组织中的运动特性，来推断微米尺度下的神经元排列、髓鞘完整性以及毛细血管密度，这是对宏观功能信号的结构性补充。第四章：弥散谱与非高斯扩散模型本书对弥散成像的探讨超越了标准平均扩散率（ADC）和各向异性分数（FA）的局限性。我们详细介绍了如何应用高阶扩散模型，如多指数模型（Multi-compartment models）和白质微结构成像（Diffusion Tensor Imaging, DTI）的扩展，例如球谐函数模型（Spherical Deconvolution）。本章详细阐述了如何利用这些模型来解决纤维束交叉（Crossing Fibers）和复杂几何结构的解析难题，并介绍了神经元束示踪（Neurite Orientation Dispersion and Density Imaging, NODDI），用以估计轴突密度和神经元外空间体积，从而为评估神经退行性病变（如阿尔茨海默病和多发性硬化症）提供更精细的组织学指标。第五章：灌注成像：血流动力学的定量分析灌注成像（Perfusion Imaging）是评估大脑局部脑血流量（CBF）和平均转运时间（MTT）的关键技术。本章深入探讨了基于动脉自旋标记（Arterial Spin Labeling, ASL）的定量方法，特别是对比ASL（Arterial Spin Labeling）和血浆标记方法的优缺点。我们详细分析了脉冲采集ASL（pCASL）与连续采集ASL（cASL）在信噪比和信号模型拟合上的差异。此外，我们探讨了动态磁敏感对比剂增强（DSC-MRI）在评估肿瘤血管生成和血脑屏障完整性时的参数提取方法，并讨论了如何校正血液动力学参数（如血容比）与BOLD信号之间的相互依赖性。第三部分：多模态整合与机器学习的应用现代神经影像学研究的趋势是整合异构数据以构建更全面的生物学模型。本部分关注如何实现结构、功能、弥散数据的有效融合，并引入先进的计算工具。第六章：跨模态数据融合的统计框架本章探讨了如何进行多模态集成分析。我们介绍了共同空间模式（Common Spatial Pattern, CSP）和多视图学习（Multi-view Learning）在整合功能连接组与结构连接组数据中的应用。重点是区分哪些连接模式是跨模态共享的，哪些是模态特异性的。我们还讨论了如何将PET示踪剂数据（如淀粉样蛋白或神经元代谢指标）与结构MRI数据结合，以建立形态结构与分子病理之间的关联模型。第七章：面向神经影像的深度学习与表征学习本章超越了传统回归和分类方法，聚焦于如何利用卷积神经网络（CNNs）和图神经网络（GNNs）来自动提取复杂的神经影像特征。我们详细分析了如何设计三维CNNs 来直接从体素空间图像中学习与疾病状态相关的内在表征，避免了手工特征提取的主观性。对于网络数据，我们阐述了图卷积网络（Graph Convolutional Networks）如何直接在功能或结构连接图谱上进行操作，从而捕捉复杂的网络间相互作用，并在疾病亚型分类中实现更高的预测精度。结论：未来方向——从连接组到连接体（Connectome to Connectomics）本书的最后部分展望了神经影像学未来的研究范式，强调从静态或瞬时连接的描绘（连接组学1.0），迈向理解动态、多尺度的信息处理和疾病演化过程（连接体学2.0）。我们认为，对动态网络状态的识别、因果干预的可视化以及多尺度的生物物理建模，将是未来十年神经影像学发展的核心驱动力。 --- 目标读者群体：神经科学博士研究生、专注于神经影像的博士后研究员、从事神经精神疾病的生物医学工程师、具有高级统计背景的临床神经科和精神科医生。本书特色：强调方法论的深度、统计学的严谨性以及模型选择的批判性评估，为读者提供一个能直接应用于前沿研究的工具箱。