1. 毕业设计（论文）主要内容：

脑电（EEG）技术以其高时间分辨率和非入侵性，已经成为研究大脑电生理活动的重要技术。其中，微状态分析法是一种用于提取神经生理信息的新方法。人脑多导EEG的电势分布中70%以上的变异能被4种持续时间80~120毫秒、拓扑特性稳定的微状态来表征。快速稳定地提取EEG信号中的微状态特征是该方法的关键。功能磁共振成像（fMRI）技术最大的优势是空间分辨率高，而且能敏感地检测皮层下如丘脑等组织的信号。EEG和fMRI两种技术结合，同时具备高时间和空间分辨率，有助于全面系统地研究微状态特性的时空变化特性。EEG-fMRI同步实验的难点在于fMRI环境下采集的EEG信号掺杂fMRI梯度和心电等干扰，EEG信号的去噪是EEG-fMRI研究的关键点。

论文集中研究基于去噪后的EEG信号提取微状态特征，根据其时序和空间拓扑分布的强度变化信息，与血液动力学函数进行卷积，进而建立广义线性模型，与fMRI数据进行回归分析，研究各个微状态的空间分布情况。

2. 毕业设计（论文）主要任务及要求

要求完成的主要任务：

1、了解eeg数据的微状态计算方法：采集5例健康在校大学生在常规实验室条件下的闭眼静息态eeg数据，基于cartool软件解析四种微状态；

2、熟悉eeg-fmri数据采集和去噪方法：采集10例健康在校大学生的清醒闭眼静息状态eeg-fmri数据；采用brainvision analyzer软件，掌握fmri同步采集时对eeg数据造成的梯度和心电等干扰的去除方法；

3. 毕业设计（论文）完成任务的计划与安排

第7学期：完成选题和任务布置

第8学期：

第1－3周：查阅相关文献资料，明确研究内容；了解微状态特征提取方法，采集5例健康被试在常规实验室条件下的eeg数据，熟悉微状态分析软件；完成开题报告；

4. 主要参考文献

[1] schwab s, koenig t, morishima y, et al. discovering frequency sensitive thalamic nuclei from eeg microstate informed resting state fmri[j]. neuroimage, 2015, 118:368-375.

[2] van d v d, britz j, michel c m. eeg microstate sequences in healthy humans at rest reveal scale-free dynamics.[j]. proceedings of the national academy of sciences of the united states of america, 2010, 107(42):18179-84.

[3] han y, zotev v, phillips r, et al. spatiotemporal dynamics of the brain at rest — exploring eeg microstates as electrophysiological signatures of bold resting state networks[j]. neuroimage, 2012, 60(4):2062-2072.