导读:本文包含了边缘系统论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:边缘,系统,癫痫,抑郁症,交换机,张量,磁共振。
边缘系统论文文献综述
Olga,Kedo[1]（2019）在《人类边缘系统：神经科学研究历史与新进展》一文中研究指出癫痫是一种复杂的大脑功能障碍性疾病,影响全球约5000万人。癫痫发作在大脑不同部位的局部和神经环路产生异常神经元活动。边缘系统是一些相互联系脑区的集合,是记忆和情感的解剖学基础。因此,癫痫发作涉及广泛的神经元网络,发作从其他部位开始,通过直接或间接方式扩散到边缘结构。本节课中,我们首先讨论Broca(1878),Brodmann(1909),以及现代方法学(个体变异性、多模(本文来源于《第八届CAAE国际癫痫论坛论文汇编》期刊2019-10-18）
马紫阳,任飞强,杨雪梅,黄平平,杨雅丽[2]（2019）在《边缘系统与男性勃起功能障碍的互作关系》一文中研究指出大脑边缘系统活动变化与男性勃起功能障碍密切相关。边缘系统具有调节人的性行为,调节睡眠,影响情志等作用,这些与男性勃起功能障碍的发生紧密相连。本文主要介绍了边缘系统与男性勃起功能障碍之间的互作关系的最新研究进展,为靶向作用于边缘系统以治疗男性勃起功能障碍提供理论依据。(本文来源于《首届男性大健康中西医协同创新论坛暨第叁届全国中西医结合男科青年学术论坛论文集》期刊2019-09-06）
高鹏,解宝琦[3]（2019）在《边缘系统安全加固方法初探》一文中研究指出在整个网络安全架构建设中,边缘系统安全防护也是必不可少的,本文整理了一系列边缘系统安全加固的方法,希望能为读者提供帮助。(本文来源于《网络安全和信息化》期刊2019年06期）
黄会珍,赵洪庆,王宇红[4]（2019）在《边缘系统与抑郁症关系的研究进展》一文中研究指出抑郁症是一种常见的、病因复杂的慢性精神疾病,迄今为止,抑郁症的病理生理机制仍未被完全阐明。研究证明抑郁状态下边缘系统结构与功能均受到严重损伤,且以这些受损部位为靶点进行抗抑郁治疗均取得了较好效果。因此确定抑郁症发病靶区对探明其发病机制及开发有效的治疗方法至关重要。本文对近年来研究抑郁症过程中涉及到的边缘系统及相关神经核团的结构与功能进行综述。(本文来源于《神经解剖学杂志》期刊2019年03期）
陈玺[5]（2019）在《智能边缘系统中的训练数据收集及任务调度研究》一文中研究指出物联网技术的发展以及AI技术研究的火爆现状,为边缘计算的发展带来了新的契机。作为一种新兴的计算模式,边缘计算充分地利用了网络边缘的设备资源,在网络边缘端打造了一个新型的网络计算系统。同时边缘计算的出现解决了云计算领域长期无法解决的广域网高延时的问题,为用户带来了低延时,快速响应的,良好的服务体验。而伴随着AI技术的蓬勃发展,由AI算法提供服务支持的智能边缘系统也正被各领域的研究人员所看好。本文将利用边缘计算架构构建一个智能边缘系统,并试图解决系统中可能产生的一些问题。智能边缘系统是基于边缘计算架构,利用人工智能的技术和应用为用户提供服务的一种系统。这种系统不仅能利用智能服务为用户提供智能的推断,还可以自主训练AI服务模型。这样在为边缘节点上的服务部署带来了便捷的同时,还大大减少了核心网络的数据流量,极大地缓解了核心网络的负载压力。本文考虑利用多个边缘节点进行分布式的神经网络训练。在现有工作中,研究人员一般只关注训练的本身,而对训练开始前需要进行的训练任务和数据的收集没有关注。而与以往的数据收集问题的研究不同的是,在分布式神经网络训练的数据通常是和训练任务相关联的,而且考虑到智能边缘系统中训练任务类型的多样化以及边缘训练节点的资源的有限性的问题,本文提出了在资源有限的情况下尽可能多的收集训练任务和数据的问题,并针对这个问题提出了基于随机舍人技术的近似算法RD-TDC算法,并对RD-TDC算法的近似比进行了分析,证明了RD-TDC算法可以保证智能边缘系统内任务很多时在满足(?)≤λ≤1的情况下保证至少收集(1-λ)μ个训练任务进行训练。而在训练完成后,模型将被缓存到一部分边缘服务节点用于智能服务请求的响应。通过研究发现,大多数智能服务请求的实时性要求很高,因此本文又从实时性和任务请求的时效性角度出发,考虑实时性对系统的影响,提出了智能边缘系统可以作为一种软实时系统来看待,提出了一种在线的最小化任务滞后损失的实时任务调度问题,相比于其他在边缘计算系统中的调度算法,本文提出的调度问题考虑了任务请求截止时间的重要性,同时考虑了机器适用性的限制(即并非所有服务都可以缓存在边缘节点上)。本文基于截止时间的紧迫度因子,提出了两个启发式算法,分别用于解决并行机调度的两个不同阶段的任务。模拟实验证明,启发式算法相比于一般系统中常用的算法提升了3007%的系统性能。(本文来源于《中国科学技术大学》期刊2019-04-20）
成丽娜,汪文胜,郭圣文,赖春任,赵地[6]（2018）在《双重病理所致颞叶癫痫边缘系统MRI影像学表现》一文中研究指出目的:总结双重病理(DP)所致颞叶癫痫(TLE)的边缘系统MRI影像学改变及特征。方法:对DP所致TLE 36例(左侧组20例,右侧组16例)与正常对照组(36例)进行多模态MR成像,分析两组边缘系统所在脑区T1WI灰质体积、指数化表观扩散系数(eADC)、脑血流量(CBF)差异,并进行统计学分析。结果:结构像及功能像均发现左侧、右侧TLE组边缘系统脑区与对照组差异具有统计学意义(FDR校正,P≤0.001),功能成像显示更广范围脑区分布,检出最明显异常为病侧海马及海马旁回、眶额皮质,其次为杏仁核、扣带回、内侧额上回,最后为额叶直回、丘脑,右侧组可累及对侧部分边缘系统脑区。结论:左、右侧DP所致TLE边缘系统损伤具有差异性,右侧组异常范围大于左侧。多模态MRI对边缘系统损伤评估具有重要价值。(本文来源于《放射学实践》期刊2018年11期）
王洵,李咏梅,彭建国,徐嘉,黄诚[7]（2018）在《边缘系统受累神经梅毒的MRI特点》一文中研究指出目的探讨边缘系统受累的神经梅毒的MRI特点,提高临床医师对该影像表现的认识。方法对2014年1月1日至2017年12月31日于重庆医科大学附属第一医院住院诊断为神经梅毒患者的头颅MRI进行回顾性研究,纳入边缘系统受累的神经梅毒3例,收集MRI资料并分析其特点。结果 3例患者头颅MRI均表现为双侧海马异常信号,呈T_1低信号、T_2及FLAIR序列高信号,DWI序列等信号改变,增强扫描无强化,并伴有侧脑室颞角扩大,明显海马萎缩。结论 神经梅毒累及边缘系统时,以双侧海马为主,同时伴有明显海马萎缩,FLAIR序列识别病灶最为敏感。(本文来源于《中国神经精神疾病杂志》期刊2018年08期）
杨鹏[8]（2018）在《移动边缘系统中多媒体内容分发与资源分配策略研究》一文中研究指出近年来,随着移动终端数量爆发式增长和新型移动应用的涌现,敏捷高效地响应海量移动用户请求面临着巨大的挑战。当前流行的基于云计算的移动应用运营模式的缺陷逐步凸显:由云服务器处传输海量数据至用户端对网络链路带宽造成了巨大压力,增加了响应用户请求的时间,显着影响了用户体验。在此背景下,新型的移动边缘计算架构被提出,具有计算和存储资源的边缘节点被大量部署在接入网内,以提升用户设备承载移动应用能力并降低响应时间,缓解无线回程网络带宽压力。由于高清视频和图像等多媒体流应用内容丰富、表现力生动,其在无线网络中的流量占比不断攀升。在移动边缘网络架构下,利用边缘节点实现高效的多媒体内容分发对提升移动用户体验和增加边缘系统资源利用效率具有重要意义。为此,本文从如下叁个方面对边缘系统的多媒体内容分发和采集方法展开研究:移动边缘网络架构设计与多维资源分配联合优化、边缘节点多媒体内容存储策略和基于边缘节点地理位置的多媒体内容采集方法。最后,本文将归纳总结出相关领域研究空白和对未来工作的展望。首先,本文将考虑当前移动应用的多样化需求及边缘节点资源特征,设计边缘-云节点互协作框架。通过层次化的边缘结构和中心化的请求处理方式,该框架能在边缘-云协同作用下对用户请求处理作出最优决策,具有高效响应用户请求的能力。随后,基于该协作框架,本文研究边缘系统服务各类多媒体应用时的多维资源分配问题。相较于云服务器,边缘节点数目更多但节点各类资源有限。为提高移动多媒体用户体验和边缘资源的利用率,边缘系统内的存储、计算和通信资源需要被合理分配与优化调度。针对该问题,本文建立了一种基于网络状态和流媒体分发应用特征的资源需求模型。以优化各类流媒体分发质量为目标,本文提出了一种基于强化学习的多维资源分配算法,在理论上具有逼近后验最优算法的性能。其次,本文将研究基于边缘节点位置特征的内容存储算法设计。由于多媒体文件数据量巨大,而边缘节点存储资源有限,因而需要对各多媒体文件进行流行度预测和分析,以将流行度较高的媒体内容缓存在本地。高效的存储算法可以有效增加本地处理的媒体内容请求量,降低处理用户请求的延时,提高边缘节点资源利用率,并降低无线网络回程带宽压力。为实现上述目标,本文提出基于边缘节点的计算与存储资源,对用户请求和多媒体内容特征进行精细化的数据采集与预测分析,进而制定定制化的内容存储策略,以提高边缘节点本地响应的用户请求量。由于边缘节点位置特征具有多维特性,其对内容请求量的影响未知且随时间变化,为了制定精细化的存储策略,需对此类特征进行持续估计。在此背景下,本文将首先建立用户请求与地理位置特征之间的数学模型。在内容的边缘节点特征已知的条件下,建立并分析边缘节点位置特征向量与用户请求的关系。基于上述关系模型,本文将设计高准确度的地理位置特征在线预测算法。基于历史数据,通过强化学习的方式不断对边缘节点特征进行在线预测。最后,根据上述位置特征在线预测算法和用户请求数学模型,设计相应的边缘存储算法,并对其进行理论和数值分析,并获取实际数据对所设计的边缘存储算法进行验证。然后,我们将研究基于边缘节点空间位置信息的多媒体内容众包采集。传统众包采集方法主要依赖于云平台,而基于地理位置信息的边缘节点内容采集具有更广泛的前景。地理位置相关的信息可以直接在边缘平台采集并处理,进而有效降低传输至云平台处的数据量。基于边缘节点的上述优势,本文提出在边缘节点采取平台即服务(Platform as a Service,PaaS)的方式,探索高效的边缘空间内容众包采集方法。具体地,本文将首先设计基于边缘平台的内容众包采集模式。在众包服务背景下,内容需求方首先向众包平台提出内容采集请求,并提供相应的奖励机制。在此众包模式下,本文将设计空间内容众包采集的奖励机制以及参与者选择算法,利用边缘节点计算和存储资源通过强化学习的方式,动态选取众包应用参与者。该长效机制和在线算法有效规避了参与者的自私行为,增加了任务请求者的效用,并实现了众包平台长期累积效用的最大化。最后,本文通过理论分析对该算法相比后验最优策略的效用损失进行量化;通过抓取实际众包应用数据,对所设计算法的性能进行实验验证。最后,本文对以上研究内容和创新点进行了总结,基于移动边缘网络架构发展趋势和多媒体内容存储与传输领域的研究动态对本文的扩展工作进行了展望。作为移动边缘网络架构和多媒体内容存储、传输的交叉研究方向,本文对多媒体内容在边缘网络中的分发和采集为移动边缘系统支撑新型多媒体应用提供了理论依据、性能分析方法和实际部署方案。(本文来源于《华中科技大学》期刊2018-05-01）
罗琦[9]（2018）在《纤维示踪成像对多发性硬化边缘系统纤维通路损伤的研究》一文中研究指出目的:多发性硬化(multiple sclerosis,MS)是中枢神经系统(central nervous system,CNS)最常见的慢性炎性脱髓鞘疾病,常规磁共振成像(magnetic resonance imaging,MRI)显示颅内存在多发白质高信号病灶,但看似正常白质区以及部分灰质仍存在隐匿性损伤。基于扩散张量成像(diffusion tensor imaging,DTI)的纤维束示踪成像可重建脑白质纤维束,评估组织微结构损伤敏感性较高。边缘系统参与学习、记忆、情绪表达等活动,是人重要的脑认知功能的结构基础,本研究旨在利用扩散张量纤维束示踪成像评估多发性硬化边缘系统纤维通路损害。方法:收集2014年6月—2016年3月重庆医科大学附属第一医院神经内科诊断的20例复发缓解型多发性硬化(relapse-remitting multiple sclerosis,RRMS)患者(MS组)并招募20名健康志愿者(对照组)接受常规MRI、DTI以及3D-T1扫描以及临床评分。通过FSL对数据进行后处理生成扩散参数图,DTK软件生成纤维图,并使用FSL基于高分辨3D-T1图将本地空间图像配准至MNI标准空间,使用Trackvis软件追踪所有受试者边缘系统海马-丘脑-前额颞叶环路中主要纤维通路——扣带束、穹窿、钩束,获得相应的纤维条数、FA值及MD值。对两组各参数进行差异性分析,并结合患者组临床状况评分分析其相关性。结果:(1)与对照组比较,MS组双侧扣带束、穹隆、钩束FA值均显着减低(P均<0.01),MD值均升高(P均<0.05)。而MS组穹隆纤维条数较对照组减少(P<0.00 1)。(2)所有被试左右大脑扣带束及穹隆各参数对比无显着统计学差异(P均>0.05)。MS组中左侧与右侧钩束纤维条数、对照组中左侧与右侧钩束FA值、纤维条数差异有统计学意义(P均<0.05)。(3)MS组扣带束、钩束FA值与EDSS评分呈负相关(r =-0.572、—0.665,P均<0.05),MD值与EDSS评分呈正相关(r=0.627、0.603,P均<0.05)。而MS组纤维通路各参数与病程及MMSE评分无明显相关性。结论:(1)MS患者边缘系统海马-丘脑-前额颞叶环路的纤维通路受MS微观病理损伤影响,存在广泛脱髓鞘损伤。而DTI纤维束示踪成像可量化并直观显示MS微结构损伤,对于临床有重要应用价值。(2)正常人双侧钩束对比提示钩束扩散参数与受试者偏手性有关,而MS组右侧钩束纤维条数多于左侧,左右侧FA值无差异,表明钩束MS病理损伤表现以FA值减低为主,且左右侧的破坏程度不平行。(3)MS组扣带束、钩束FA值与EDSS评分的相关性,一定程度上可预测MS临床病程进展,但MS组纤维通路参数与病程及MMSE评分无明显相关性,还待加大样本量以及细化认知量表评估方向进一步研究。(本文来源于《重庆医科大学》期刊2018-05-01）
刘晓雪[10]（2018）在《抑郁症患者正性情绪识别边缘系统信息传递特征的脑磁图研究》一文中研究指出目的:临床上单相抑郁发作和双相情感障碍抑郁发作均可见到愉快感丧失,与正性情绪处理异常密切相关,但其神经基础以及信息传递特征尚未完全阐明。本研究探讨抑郁症对正性情绪识别信息传递特征的神经基础,抗抑郁治疗前后相关核心脑区的信息交互特征是否具有状态性,以及正性信息传递特征在单相抑郁和双相抑郁中是否具有疾病的特质性。方法:招募南京医科大学附属脑科医院住院或门诊患者,符合DSM-IV-TR单相抑郁症诊断,并在本地及周边地区招募年龄、性别、受教育年限等相匹配的健康对照者。随访过程中,部分患者经历躁狂和或轻躁狂发作,根据DSM-IV-TR诊断标准修改诊断为双相情感障碍。被试入组当天予17项汉密尔顿抑郁量表(Hamilton depression scale,HAMD)及倍克-拉范森躁狂量表(Bech-rafaelsen mania rating scale,BRMS)等临床量表评分后,通过加拿大CTF275通道脑磁图采集脑磁信号,运用Filedtrip(/fieldtrip.fcdonders.nl)进行脑磁图(Magnetoencephalograph,MEG)数据预处理,分别应用图论基于解剖学自动标记模板(Automated anatomical labeling,AAL)将整个大脑划分为90个区域,利用一致性方法计算全脑90个脑区任意两个脑区间功能连接,并进行Fisher Z变换,得到全脑功能连接矩阵。然后对每个被试的功能连接矩阵计算介数中心性和聚类系数指标;应用格兰杰因果模型(Granger causal model,GCM)分析,提取边缘系统感兴趣脑区效能连接值并进行统计学检验。本文将从以下几个方面来探讨:1)探究正性情绪信息在整个大脑信息传输和整合活动中,在抑郁症患者和正常人中的差异,同时分析其与疾病严重程度的相关性,提取两组介数中心性值进行非参数检验(permutation test),并与HAMD_(17)项总分和各项因子分作皮尔逊相关,以此探讨抑郁症患者正性情绪处理异常可能的神经基础;2)纵向对比抑郁症患者识别正性情绪时边缘系统核心脑区之间的信息交互在抗抑郁治疗前后和正常人的差异,提取叁组效能连接值进行单因素方差分析,然后两两比较找到治疗前后的差异,探讨抑郁症患者识别正性情绪时边缘系统信息交互异常是否具有状态性,以期寻找临床急性期疗效的脑影像学标记;3)从临床鉴别诊断的角度出发,比较单相抑郁发作与以抑郁为首发后期转相的双相患者在抑郁发作早期正性情绪识别中,情绪信息在全脑网络中局部脑区整合和传递的差异,提取两组聚类系数值进行非参数检验,探究信息传递的差异是否具有疾病特质性,进一步寻找早期识别转相的生物学标志。所得统计分析结果均使用错误发现率(False discovery rate,FDR)方法进行多重比较校正,获得有统计学差异的脑区(FDR矫正后,p<0.05)。结果:1)抑郁症患者识别正性情绪时边缘系统信息传递障碍与疾病严重程度的相关性在0-600ms时间段内,结果通过FDR校正有:抑郁症组右侧眶部额上回(p=0.00038)、左侧眶内额上回(p=0.00016)、右侧眶内额上回(p=0.00023)、右侧杏仁核(p=0.00043)的介数中心性属性值均较健康对照下降。其中,抑郁症组右侧眶部额上回的介数中心性与HAMD_(17)项总分值(r=-0.481,p=0.004)和焦虑/躯体化因子分(r=-0.383,p=0.026)均呈负相关,右侧眶内额上回的介数中心性与HAMD_(17)总分值(r=-0.749,p=3.45E-7)和焦虑/躯体化因子分(r=-0.431,p=0.011)也均呈负相关。2)抑郁症患者抗抑郁治疗前后识别正性情绪时边缘系统信息交互具有状态性抑郁症治疗前、后与对照组组间效能连接值比较差异有统计学意义的是:眶额回到杏仁核的效能连接(p=0.030),杏仁核到海马的效能连接(p=0.002,FDR校正),脑岛到杏仁核的效能连接(p=0.047),海马到杏仁核的效能连接(p=0.025)。抑郁症组治疗前与对照组比较:眶额回到杏仁核效能连接增强(p=0.040),前扣带回到海马效能连接减弱(p=0.042),杏仁核到海马效能连接减弱(p=0.001),海马到杏仁核效能连接减弱(p=0.026)。抑郁症组治疗后与和治疗前比较:眶额回到杏仁核效能连接减弱(p=0.013),杏仁核到海马效能连接增强(p=0.006),海马到杏仁核效能连接增强(p=0.026),杏仁核到脑岛效能连接减弱(p=0.036),脑岛到杏仁核效能连接减弱(p=0.015)。最后,抑郁症组治疗后与对照组差异无统计学意义。3)单相抑郁和转相患者识别正性情绪时信息传递障碍与临床指标的相关性在0-600ms时间段内,gamma频段(30-48Hz)下,单相组和转相组两组聚类系数非参数检验通过FDR校正的有:转相组相较于单相组在左侧背外侧额上回、右内侧额上回、左侧枕中回和右侧中央旁小叶的聚类系数增加。此外,在转相组中,左侧背外侧额上回的聚类系数值与首次发病年龄呈负相关(r=-0.584,p=0.005),与此次病程时间呈正相关(r=0.464,p=0.034)。在单相组中,右内侧额上回的聚类系数值与HAMD_(17)总分值呈负相关(r=-0.342,p=0.036)。有意思的是,单相组中右侧中央旁小叶的聚类系数值和与总病程呈负相关(r=-0.478,p=0.002)。转相组中右侧中央旁小叶的聚类系数值和与首次发病年龄呈负相关(r=-0.538,p=0.012)。利用四个脑区的聚类系数值做ROC曲线分析:左侧背外侧额上回、右内侧额上回、左侧枕中回和右侧中央旁小叶的ROC曲线下面积分别为72.6%、71.9%、72.2%和72.4%,融合四个指标做二元逻辑回归,准确率提升至84%,灵敏度为76.2%。结论:抑郁症患者识别正性情绪时涉及全脑多个区域的信息传递异常,其中边缘系统信息传递障碍可能是重要的神经病理基础。边缘系统核心脑区之间信息交互作用减弱,抗抑郁治疗后随着症状缓解而改善,提示边缘系统对正性情绪传递特征具有状态性,且在单双相抑郁中正性情绪信息传递特征具有疾病特质性。(本文来源于《南京医科大学》期刊2018-04-01）
边缘系统论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
大脑边缘系统活动变化与男性勃起功能障碍密切相关。边缘系统具有调节人的性行为,调节睡眠,影响情志等作用,这些与男性勃起功能障碍的发生紧密相连。本文主要介绍了边缘系统与男性勃起功能障碍之间的互作关系的最新研究进展,为靶向作用于边缘系统以治疗男性勃起功能障碍提供理论依据。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
边缘系统论文参考文献
[1].Olga,Kedo.人类边缘系统：神经科学研究历史与新进展[C].第八届CAAE国际癫痫论坛论文汇编.2019
[2].马紫阳,任飞强,杨雪梅,黄平平,杨雅丽.边缘系统与男性勃起功能障碍的互作关系[C].首届男性大健康中西医协同创新论坛暨第叁届全国中西医结合男科青年学术论坛论文集.2019
[3].高鹏,解宝琦.边缘系统安全加固方法初探[J].网络安全和信息化.2019
[4].黄会珍,赵洪庆,王宇红.边缘系统与抑郁症关系的研究进展[J].神经解剖学杂志.2019
[5].陈玺.智能边缘系统中的训练数据收集及任务调度研究[D].中国科学技术大学.2019
[6].成丽娜,汪文胜,郭圣文,赖春任,赵地.双重病理所致颞叶癫痫边缘系统MRI影像学表现[J].放射学实践.2018
[7].王洵,李咏梅,彭建国,徐嘉,黄诚.边缘系统受累神经梅毒的MRI特点[J].中国神经精神疾病杂志.2018
[8].杨鹏.移动边缘系统中多媒体内容分发与资源分配策略研究[D].华中科技大学.2018
[9].罗琦.纤维示踪成像对多发性硬化边缘系统纤维通路损伤的研究[D].重庆医科大学.2018
[10].刘晓雪.抑郁症患者正性情绪识别边缘系统信息传递特征的脑磁图研究[D].南京医科大学.2018
论文知识图
