《神经影像学》课件.ppt

神经影像学：探索大脑的奥秘;课程介绍：神经影像学的重要性;神经影像学：基本原理与技术;X射线计算机断层扫描（CT）原理;CT图像的优势与局限;CT在临床诊断中的应用;磁共振成像（MRI）原理;MRI：T1加权、T2加权、FLAIR;MRI的序列与参数设置;MRI在脑部疾病诊断中的应用;功能性磁共振成像（fMRI）原理;fMRI：血氧水平依赖（BOLD）信号;fMRI实验设计：区块设计、事件相关设计;fMRI数据分析：预处理、统计分析;fMRI在认知神经科学中的应用;正电子发射断层扫描（PET）原理;PET：放射性示踪剂的选择;PET在肿瘤诊断中的应用;单光子发射计算机断层扫描（SPECT）原理;SPECT的应用：脑血流、神经递质;脑电图（EEG）原理;EEG：电极放置与记录;EEG在癫痫诊断中的应用;事件相关电位（ERP）原理;ERP：成分分析与研究;ERP在认知研究中的应用;脑磁图（MEG）原理;MEG：信号来源与优势;MEG在癫痫定位中的应用;神经影像数据分析软件介绍;SPM：统计参数图软件;FSL：FMRIB软件库;FreeSurfer：脑皮层重建软件;神经影像数据预处理;图像配准：空间标准化;图像分割：灰质、白质、脑脊液;图像平滑：高斯滤波;神经影像统计分析;一般线性模型（GLM）;多重比较校正;组间分析：ANOVA、t检验;神经影像的伦理问题;知情同意原则;数据隐私保护;临床案例分析：脑卒中;神经影像在脑卒中诊断中的应用;临床案例分析：阿尔茨海默病;神经影像在阿尔茨海默病诊断中的应用;临床案例分析：精神分裂症;神经影像在精神分裂症研究中的应用;神经影像的未来发展趋势;高场强MRI：7T、9.4T;多模态神经影像融合;人工智能在神经影像中的应用;深度学习在神经影像中的应用;神经影像大数据分析;总结：神经影像学的重要意义;神经影像学：面临的挑战与机遇;提问与讨论;参考文献