统计参数图（导读版）

　　致谢
　　第一部分 导论
　　1 SPM简史
　　2 统计参数图
　　3 脑反应建模
　　第二部分 计算解剖学
　　4 刚体配准
　　5 非线性配准
　　6 图像分割
　　7 基于像素的形态计量学
　　第三部分 广义线性模型
　　8 广义线性模型
　　9 对照和经典推断
　　10 协方差成分
　　11 分层模型
　　12 随机效应分析
　　13 方差分析
　　14 fMRI卷积模型
　　15 fMRI有效实验设计
　　16 EEG和MEG的分层模型
　　第四部分 经典推断
　　17 参数方法
　　18 随机场理论
　　19 拓扑推断
　　20 错误发现率方法
　　21 非参数方法
　　第五部分 贝叶斯推断
　　22 经验贝叶斯和分层模型
　　23 后验概率图
　　24 变分贝叶斯
　　25 fMRI时空模型
　　26 EEG时空模型
　　第六部分 生理物理模型
　　27 fMRI的正演化模型
　　28 EEG的正演化模型
　　29 EEG模型的贝叶斯反演
　　30 诱发反应的贝叶斯反演
　　31 群体动力学的神经元模型
　　32 能量学的神经元模型
　　33 EEG和MEG的神经元模型
　　34 动力学模型的贝叶斯反演
　　35 贝叶斯模型的选择和平均
　　第七部分 大脑连接
　　36 功能整合
　　37 功能连接：特征图像和多元分析
　　38 有效连接
　　39 非线性连接与核
　　40 多元自回归模型
　　41 fMRI的动态因果模型
　　42 EEG的动态因果模型
　　43 动态因果模型和贝叶斯模型的选择
　　附录
　　附录1 广义线性模型和推断
　　附录2 动力系统
　　附录3 EM算法
　　附录4 拉普拉斯近似下的变分贝叶斯方法
　　附录5 卡曼滤波
　　附录6 随机场理论

　　《统计参数图：脑功能成像分析(导读版)》不仅阐述了脑信号分析的概念和过程，还介绍了各种脑成像数据分析的背景和方法，从fMRI到脑磁描记法(magnetoencephalography)，这些信息通过其他途径很难获得。《统计参数图：脑功能成像分析(导读版)》可用作学生教材，对于刚刚接触此项技术的科研人员和实验神经生物学家都是非常好的参考书，还可作为脑成像数据分析软件包的使用手册使用。
　　“很少有哪些科学进展可以像为正在工作的人类大脑进行‘拍照’这样引人注目”。人们为什么如此着迷于脑功能成像]因为，为了理解正常人类大脑的工作机制，功能成像是必不可少的。它试图将不同的心理过程定位于大脑的不同部分，也即绘制一张标明哪些区域负责哪些加工过程的“脑功能解剖图”。如同“人类基因组计划”一样，对人类大脑功能的探索寄托着人们“认识自我”的亘古不变的理想和愿望。
　　随着脑成像的数据不断增长，在统一的框架内对这些数据进行有效的整合及比对就显得越发重要。统计参数图(Statistical Parametric Mapping，SPM)提供了一种被广泛接受的基本概念，这种概念可以用来处理各种不同形式的数据。