Process / pipelineGenerative Bayesian
מודלים סיבתיים דינמיים
מודלים סיבתיים דינמיים (DCM) הם מסגרת בייסיאנית לתיאור והיפוך מודלים גנרטיביים של קישוריות מוחית מנתוני דימות מוחי. ה-DCM, שהוצג על ידי קארל פריסטון ועמיתיו בשנת 2003, מתייחס לאזורי מוח כמערכות דינמיות ומעריך קישוריות אפקטיבית על ידי התאמת סדרות זמן נצפות של fMRI למודל סביר מבחינה ביופיזיקלית של אינטראקציות עצביות.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
מפת שיטות
סביבת השיטות הקרובות — בחרו צומת כדי לחקור.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Dynamic Causal Modeling for fMRI Brain Networks. ScholarGate. https://scholargate.app/he/neuroimaging/dynamic-causal-modeling
איזו שיטה?
הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.
- ניתוח רשתות מוחיות מבוסס גרפיםהדמיה עצבית↔ השוואה
- מודל משוואות מבניותסטטיסטיקה למחקר↔ השוואה