烏韋斯編著的《神經科學與技術的統計信號處理(導讀版)(精)》綜述了神經科學研究中的信號處理原理與技術，針對神經生物學的研究特性，明晰地介紹了*新的理論、算法、軟件和硬件工具。為解決神經科學領域中基礎和應用層面的問題，本書提供了大量統計信號處理的基本原則、理論和方法。本書由領域內專家編寫，可用於神經科學統計信號處理的入門書籍。

前言
關於本書編輯
關於本書作者
第1章　引言
　1.1　背景
　1.2　寫作動機
　1.3　概述及閱讀指南
　參考文獻
第2章　胞外動作電位記錄的檢測與分類
　2.1　引言
　2.2　神經元放電的檢測
　　2.2.1　已知神經元放電
　　2.2.2　未知神經元放電
　　2.2.3　實際限制
　　2.2.4　基於變換的方法
　2.3　神經元放電的分類
　　2.3.1　模式識別方法
　　2.3.1　盲源分離方法
　2.4　實際實現
　2.5　討論與未來方向
　致謝
　參考文獻
第3章　神經元數據的信息理論分析
　3.1　引言
　3.2　編碼器
　3.3　信道
　3.4　率失真理論
　3.5　後香農時代的信息理論
　3.6　討論
　參考文獻
第4章　神經元群活動中非線性動力學的辨識
　4.1　引言
　4.2　問題表述
　4.3　神經元群動力學的非線性模型
　　4.3.1　模型構造
　　4.3.2　模型估計
　　4.3.3　模型選擇
　　4.3.4　核重建與理解
　　4.3.5　模型驗證與預測
　4.4　結果：海馬CA3一CAl區群活動上的應用
　　4.4.1　行為任務
　　4.4.2　數據預處理
　　4.4.3　CA3一CAl區的MIM0模型
　4.5　討論
　4.6　未來方向
　致謝
　參考文獻
第5章　功能性和有效性連接的圖模型
　5.1　引言
　5.2　背景與概述
　　5.2.1　互相關圖
　　5.2.2　信息理論方法
　　5.2.3　格蘭傑因果性
　　5.2.4　廣義線性模型
　5.3　圖模型
　　5.3.1　有效性連接
　　5.3.2　基於圖的功能性連接推斷
　5.4　結果
　　5.4.1　神經元放電模型　
　　5.4.2　有效性連接的推斷
　　5.4.3　功能性連接的辨識
　5.5　討論與未來方向
　致謝
　參考文獻
第6章　神經元放電序列和行為數據的狀態空間建模
　6.1　引言
　6.2　狀態空間建模範式
　　6.2.1　符號說明
　　6.2.2　貝葉斯法則的遞歸形式
　　6.2.3　濾波和平滑問題的類別
　6.3　狀態空間範式在神經科學數據分析中的應用
　　6.3.1　神經元放電序列解碼及點過程濾波器算法
　　6.3.2　神經元感受野可塑性和瞬時*陡下降濾波
　　6.3.3　空間感受野的跟蹤和粒子濾波
　　6.3.4　行為學習實驗的動態分析和期望一*大化算法
　　6.3.5　馬爾可夫鏈蒙特卡羅方法和皮層上／下狀態的分析
　　6.3.6　狀態空間平滑、動態參數估計和群學習分析
　6.4　討論
　致謝
　參考文獻
第7章　運動與通訊假體的神經解碼
　7.1　引言
　7.2　運動策劃和運動神經元活動
　7.3　運動假體的連續解碼
　　7.3.1　遞歸貝葉斯解碼器
　　7.3.2　混合軌跡模型
　　7.3.3　結果
　7.4　通訊假體的離散解碼
　　7.4.1　獨立高斯和泊松模型
　　7.4.2　因子分析方法
　　7.4.3　結果
　7.5　討論
　7.6　未來方向
　致謝
　參考文獻
第8章　神經元放電序列域表征和學習的內積
　8.1　引言
　8.2　神經元放電序列的功能性表示
　　8.2.1　突觸模型
　　8.2.2　強度估計
　8.3　神經元放電序列的內積
　　8.3.1　神經元放電序列內積的定義
　　8.3.2　所定義的內積的性質
　　8.3.3　內積所誘導的距離
　8.4　應用
　　8.4.1　無監督學習：主成分分析
　　8.4.2　有監督學習：Fisher線性判別　
　8.5　討論
　　附錄A　經由非線性的高階神經元放電交互作用　
　　附錄B　證明　
　　附錄C　RKHS理論簡介
　致謝
　參考文獻
第9章　同步采集的腦電(EEG)與功能核磁共振成像(fMRI)數據
　　單次實驗分析的信號處理與機器學習
　9.1　引言
　9.2　硬件設計和構成：EEG／fMRI采集的挑戰
　　9.2.1　EEG電極帽設計
　　9.2.2　EEG放大器
　　9.2.3　同步采樣
　9.3　信號處理和BCG偽跡的去除
　　9.3.1　克希霍夫描述
　9.4　任務相關的EEG成分單次實驗變化與Bold信號的關聯
　　9.4.1　使用線性判別的EEG成分辨識
　　9.4.2　基於EEG成分單次實驗變動性的fMRI回歸因子構造　
　9.5　結果
　9.6　未來方向
　致謝
　參考文獻
**0章　腦一機接口中的統計模式識別與機器學習
　10.1　引言
　10.2　腦一機接口繫統中的信號處理和模式識別
　　10.2.1　信號采集和主要信號類型
　　10.2.2　模式識別和機器學習
　10.3　應用
　　lO.3.1　基於P300的仿人機器人控制
　　10.3.2　基於想像運動的虛擬環境控制
　10.4　討論
　致謝
　參考文獻
第ll章　用於脊椎損傷病人手握恢復的基於皮層信號的肌肉活動預測
　11.1　引言
　11.2　背景
　　11.2.1　作為潛在控制解決方案的腦一機接口
　　11.2.2　用於動態控制的腦一機接口　
　11.3　方法
　　11.3.1　等距腕扭轉任務
　　11.3.2　手抓任務
　　11.3.3　手術方法
　　11.3.4　數據采集
　　11.3.5　線性繫統辨識
　　11.3.6　神經阻斷的有效性
　　11.3.7　刺激
　　11.3.8　實時控制
　11.4　結果
　　11.4.1　離線信號預測
　　11.4.2　實時功能電刺激控制
　11.5　討論
　　11.5.1　成功的概念驗證
　　11.5.2　復雜運動任務控制的局限性
　　11.5.3　有關使用功能電刺激控制器的局限性
　11.6　未來方向
　　11.6.1　基於自然肌肉協同收縮的高維運動控制
　　11.6.2　自適應性
　致謝
　參考文獻
索引