Dynamisk kausal modellering
Dynamisk kausal modellering (DCM) er et Bayesiansk rammeværk til specificering og invertering af generative modeller af hjernekonnektivitet ud fra neurobilleddata. Introduceret af Karl Friston og kolleger i 2003, behandler DCM hjerneområder som dynamiske systemer og estimerer effektiv konnektivitet ved at tilpasse observerede fMRI-tidsserier til en biofysisk plausibel model af neuronale interaktioner.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Friston, K. J., Harrison, L., & Penny, W. (2003). Dynamic causal modelling. NeuroImage, 19(4), 1273–1302. DOI: 10.1016/S1053-8119(03)00202-7 ↗
- Stephan, K. E., & Mathys, C. (2015). Computational approaches to neuroscience. Current Opinion in Neurobiology, 25, 85–92. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Dynamic Causal Modeling for fMRI Brain Networks. ScholarGate. https://scholargate.app/da/neuroimaging/dynamic-causal-modeling
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Grafteoretisk Hjerne-NetværksanalyseNeurobilleddannelse↔ compare
- Strukturel LigningsmodelleringForskningsstatistik↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →