Dynamische Kausalmodellierung
Die Dynamische Kausalmodellierung (DCM) ist ein Bayessches Framework zur Spezifikation und Inversion generativer Modelle der Gehirnkonnektivität aus Neuroimaging-Daten. Von Karl Friston und Kollegen im Jahr 2003 eingeführt, behandelt DCM Gehirnregionen als dynamische Systeme und schätzt die effektive Konnektivität, indem beobachtete fMRT-Zeitreihen an ein biophysikalisch plausibles Modell neuronaler Interaktionen angepasst werden.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Dynamic Causal Modeling for fMRI Brain Networks. ScholarGate. https://scholargate.app/de/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.
- Graph Brain Network AnalysisNeurobildgebung↔ compare
- Strukturelle GleichungsmodellierungForschungsstatistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →