针刺神经电信号分析与建模 于海涛,王江,邓斌 著 pdf epub azw3 2024 下载

《针刺神经电信号分析与建模》以作者相关研究工作为基础，结合针刺神经电信号分析与建模领域的新发展撰写。内容深入浅出，在介绍针刺与神经电信号分析方法的基础上，从神经计算角度剖析了针刺对外周和低级中枢神经系统响应的作用机制；从计算模型角度深入探讨了基于数据驱动的针刺输入信号量化和针刺神经元放电响应模型的构建；从复杂网络角度揭示了针刺对高级中枢神经系统活动的调节规律。

《针刺神经电信号分析与建模》共10章。第1章为绪论，对针刺实验、针刺手法量化和针刺神经通路进行介绍；第2章从不同角度介绍神经电信号的分析方法；第3章对针刺神经电生理实验设计和动作电位序列预处理进行介绍；第4章和第5章从非线性角度出发，详细介绍神经系统对针刺输入的响应特性；第6章从状态空间模型角度，详细介绍针刺神经信息重构和数学模型构建；第7章研究针刺神经响应的不规则度，并采用贝叶斯方法实现对针刺输入信号的估计；第8章和第9章从复杂度和同步性角度，详述针刺脑电信号特性；第10章进一步研究针刺对脑功能网络的影响。

前言

第1章 绪论

1.1 针灸简介

1.2 针灸的应用

1.2.1 手法刺激应用

1.2.2 电针刺激应用

1.2.3 足三里在针灸治疗中的作用

1.3 针刺量化研究

1.3.1 手法与电针的针刺量化研究

1.3.2 电信息和化学信息的针刺量化研究

1.4 针刺实验研究

1.4.1 动物还原针刺实验

1.4.2 人体针刺实验

1.5 针刺神经电通路

1.5.1 针刺神经电通路基本结构单元

1.5.2 外周神经电通路

1.5.3 低级中枢神经电通路

1.5.4 高级中枢神经电通路

1.6 章节安排

参考文献

第2章 神经电信号分析概述

2.1 数据分析的一般过程

2.2 神经编码分析

2.2.1 神经编码与解码

2.2.2 单神经元编码与多神经元编码

2.2.3 频率编码与时间编码

2.3 非线性分析方法

2.3.1 非线性动力学

2.3.2 神经电信号的非线性

2.3.3 神经电信号的非线性动力学分析

2.3.4 心电的非线性动力学分析

2.3.5 脑电的非线性动力学分析

2.4 生物电信号的小波分析

2.4.1 小波分析

2.4.2 生物电信号的小波分析

2.4.3 基于小波与信息熵结合的分析

2.5 计算神经模型

2.5.1 生物物理模型

2.5.2 贝叶斯模型

2.5.3 状态空间模型

2.5.4 放电不规则度

2.6 本章小结

参考文献

第3章 针刺神经电生理实验设计

3.1 针刺外周神经系统响应实验设计

3.1.1 脊髓背根实验

3.1.2 脊髓背角实验

3.2 动作电位序列预处理

3.2.1 超顺磁聚类算法

3.2.2 分类结果

3.3 分类算法改进

3.3.1 基于模型的优化算法

3.3.2 分类算法比较

3.4 本章小结

参考文献

第4章 针刺神经电信号的编码分析

4.1 针刺神经电信号的频率编码

4.1.1 放电率

4.1.2 神经电信号的放电率

4.2 针刺神经电信号的时间编码

4.2.1 变异糸数

4.2.2 神经电信号的变异系数

4.3 针刺神经电信号的非线性分析

4.3.1 针刺神经电信号的谱分析

4.3.2 针刺神经电信号的混沌特征

4.3.3 针刺神经电信号的分形特性

4.3.4 针刺神经电信号的复杂度

4.4 本章小结

参考文献

第5章 针刺神经电信号的小波分析

5.1 小波和熵

5.2 小波能量熵

5.2.1 小波能量熵原理

5.2.2 针刺电信号的小波能量熵分析

5.3 小波时间熵

5.3.1 小波时间熵原理

5.3.2 针刺电信号的小波时问熵分析

5.4 小波奇异熵

5.4.1 奇异值分解

5.4.2 小波奇异熵原理

5.4.3 针刺电信号的小波奇异熵分析

5.5 小波时频熵

5.5.1 小波时频熵原理

5.5.2 针刺电信号的小波时频熵分析

5.6 本章小结

参考文献

第6章 针刺神经响应的状态空间模型

6.1 点过程条件强度函数

6.2 状态空间模型

6.2.1 针刺状态估计

6.2.2 放电率函数的置信区间

6.3 基于模型的贝叶斯解码

6.4 基于时间重标度理论的拟合优度检验方法

6.5 针刺隐含刺激状态空间模型

6.6 贝叶斯解码针刺信息

6.6.1 贝叶斯解码模拟放电序列信息

6.6.2 重构不同频率针刺位移波形

6.6.3 重构不同手法针刺位移波形

6.7 本章小结

参考文献

第7章 针刺神经响应的不规则度分析与输入估计

7.1 Gamma分布拟合峰峰间期统计直方图

7.1.1 峰峰问期统计直方图

7.1.2 Gamma放电发生模型

7.2 针刺神经放电的局部不规则度

7.2.1 放电不规则度

7.2.2 局部变异度

7.2.3 局部变异系数

7.2.4 平均不规则度

7.3 针刺神经活动的时变放电率和不规则度

7.3.1 贝叶斯方法估计框架

7.3.2 执行贝叶斯估计的数值方法

7.4 针刺神经放电特征分析

7.5 针刺输入估计

7.5.1 针刺虚拟非平稳输入估计

7.5.2 估计输入参数方法

7.5.3 放电特征到输入参数变换数值方法

7.6 针刺实验输入估计

7.7 本章小结

参考文献

第8章 针刺EEG信号的复杂度分析

8.1 EEG采集实验设计

8.1.1 实验对象

8.1.2 实验方法

8.1.3 实验过程及EEG预处理

8.2 LZ复杂度分析

8.3 关联维数分析

8.3.1 模拟数据的关联维数分析

8.3.2 实验数据的关联维数分析

8.4 排序递归图

8.4.1 排序递归图原理

8.4.2 排序递归图分析结果

8.5 多尺度排序递归图

8.6 小波包熵

8.7 功率谱分析

8.8 本章小结

参考文献

第9章 针刺EEG信号的同步性分析

9.1 线性相关分析

9.1.1 相干估计法

9.1.2 针刺EEG信号相关性分析

9.2 同步似然度分析

9.2.1 同步似然度计算方法

9.2.2 针刺EEG信号同步似然度分析

9.3 互信息

9.3.1 排序互信息

9.3.2 互信息复杂度

9.4 相位滞后同步分析

9.4.1 相位滞后同步方法

9.4.2 针刺EEG信号相位滞后同步分析

9.5 本章小结

参考文献

第10章 针刺对脑功能网络的影响

10.1 脑功能网络的建立

10.2 复杂网络特性的评价指标

10.2.1 平均路径长度

10.2.2 平均聚类系数

10.2.3 网络的度

10.3 基于相干估计法的脑功能网络分析

10.3.1 相干脑功能网络分析

10.3.2 针刺对大脑功能网络的影响

10.4 基于同步似然度方法的脑功能网络分析

10.4.1 同步似然脑功能网络分析

10.4.2 小世界特性与脑功能

10.5 基于相位滞后同步方法的脑功能网络分析

10.6 本章小结

参考文献

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：针刺神经电信号分析与建模 于海涛,王江,邓斌 著在线阅读

在线听书地址：针刺神经电信号分析与建模 于海涛,王江,邓斌 著在线收听

在线购买地址：针刺神经电信号分析与建模 于海涛,王江,邓斌 著在线购买

暂无原文赏析，正在全力查找中！

暂无其它内容！

• 作者： 思适斋中小学生 发布时间：2023-07-04 02:43:46

  这位是真老右派，《北大1957》比这部书的价值大多了

• 作者： 半梦半醒 发布时间：2008-11-14 13:04:24

  极限里的题有些偏

• 作者： 响箭 发布时间：2014-01-10 21:48:07

  有些东西有点老，数学推导还算严谨，但是符号系统和推导略繁琐，不够简明直接。部分内容没有细讲，比如逐步聚合的flory统计预测凝胶点，有些都略讲了，工业方面的应用着墨多一些

• 作者： sunny 发布时间：2011-02-27 14:33:41

  一条蟒蛇引发的连锁事件。

• 作者： april30138 发布时间：2022-08-16 07:08:23

  sss 凶手到底是谁呢？？？

• 作者： 冰冻 发布时间：2013-07-30 11:56:23

  我在图书馆翻这本书的时候看到过一个印刷在书面的评论“服从不等于顺从”，这句话我喜欢

• 延伸的大脑

  作者：DeepSci 发布时间：2019-02-23 08:53:09

  

  在这个事实、数字可以像水一样自由流动的数据世界当中，学习发生了变化。

  回想一下你上一次在谷歌/百度上搜索的信息，可能是一家附近星巴克的地址，或者是每日的头条新闻。

  在这个时代，人们更倾向于记住某一信息在网上的什么地方可以找到，而不是记住该信息的确切内容。

  所以，如果在网上查星巴克的地址，你更可能记住的是这家店的网站地址，而不是这家店的实际地址。

  同理，如果想找某位明星的家乡在哪儿，你更容易记住维基百科上的页面，而不是他的家乡名字。

  有研究认为：我们已经与计算机形成了共生关系，共存于广泛互联的系统当中，我们与其记住具体信息，还不如记住到哪里找到这些信息。

  上面的研究结论有几个方面的重要意义，尤其对于我们理解学习这件事来说。

  首先，我们的大脑以及大脑各种奇妙的功能，处于有效学习的核心地位。

  我们的大脑经常会把信息从大脑神经系统中卸载下来，临时存放在其他地方。

  从这个意义上说，智能电话、iPad、笔记本电脑成了我们“延伸的大脑”。

  最近的研究还有一个有意思的发现：如果我们在参观博物馆的时候给一幅画拍了照片，那我们记住这幅画的可能性会降低，因为我们的大脑会认为这幅画已经存放在数字设备上面了。

  另外，还有一个更重要的提醒，它反映了数字时代的真相。

  即：事实对于人们的重要性已经大幅降低，事实真相的细节不再像以前那样有价值。

  对我们绝大多数人来说，重要的不是数据本身，而是我们如何利用数据更好地思考。

  确切地说，是我们如何能够更有效地掌握新知识和新技能，如何更精准地抓住复杂问题的关键点，以及哪些时候需要用大脑记忆信息，而哪些时候需要把信息存储到电脑上。

  如果往回倒溯几十年前，或者生活在冰河时代末期，情况显然不会这样。

  我们曾一度陷入数据崇拜。

  在很长的历史时期中，这些数据只能在稀有的手写书稿中找到。

  而印刷机发明以后，我们也只有在那些日益褪色的书籍中才能找到这些数据。

  我们很多人小时候家庭作业写过的小论文，通常意味着需要花费几个小时在图书馆眯着眼睛一点一点地翻看著作。

  要想成为学霸，则需要反复翻看大量资料，以及记忆详细日期、方程式等。

  目前，这种学习方法仍然是许多大专院校、培训机构所采用的学习方法，即反复翻看那些大部头的教科书。

  甚至现在广泛采用的小学课本还是专注于低级思维方式，即只重视死记硬背和理解推导过程。

  然而在互联网时代，信息比电还便宜。

  在谷歌上，我们只需要不到一秒钟的时间，就可以检索出蛋白质与血浆的结合方式。

  更进一步说，在任何的专业门类中，“精通”的内涵也在不断演化。

  所谓的专业技能的生命周期变得更为短暂。

  因为，我们熟知的一些惯例已经过时，这一变化趋势既改变了我们需要获取知识的类别，也改变了我们获取知识的方式。

  为了有所作为，我们需要设计出更为简化的流程，让现代社会中的人们懂得如何学习，进而迅速掌握能够付诸实践的实用知识与技能。

  我们不妨简单概括一下：事实仍然至关重要，知识仍然是学习的坚实基础，记忆仍然是一个重要的学习手段。

  你已经掌握的知识也仍然是你下一步所学知识的最佳参考，因为，精通某一专业要求首先对基础知识达到熟练掌握的程度。

  不同的是，知道这些事实只是个开头。

  当人们打定主意学习某项专业技能的时候，还需要了解其中的关系，比如，弄清楚因果关系，看懂类比与相似。

  最终，我们学习的目的就是要改变对某一事实或者观念的思维方式。

  换句话说，我们所谓的学习，就是指学习一整套的思维方式。

  如果要学习微观经济学，我们就要学习如何以微观经济学思考问题。

  如果要学习编织，我们就要学习编织能手如何思考。

  如果想学潜水，我们就应该学学世界级潜水员的推理思考的方式。

  这种全新的学习方法在很多方面都会产生影响，学习的过程可以看作是理解一套有机结合的体系中各个组成部分的过程。

  从更广泛的意义上说，在一个事实、数字可以像水一样自由流动的数据世界当中，当汽车都能够自动驾驶的时候，我们必须快速高效地掌握专业技能。

  学会“如何学习”，将是专家们所说的“终极生存技能”，这是现代社会超越其他一切技能的关键能力。

  因为一旦学会了如何学习，你就可以学习任何事物。

  对一个社会而言，我们需要更丰富的教育形态，使信息和知识能够共同作用，并培养出具有现实意义的解决问题的能力。

• 人类或许只是《生命的一天》中的短短两秒

  作者：cookies1314 发布时间：2023-07-01 12:23:27