Módszerek összehasonlítása
Tekintse át a kiválasztott módszereket egymás mellett; az eltérő sorok kiemelve jelennek meg.
| Dinamikus Kauzális Modellezés× | eLORETA× | |
|---|---|---|
| Tudományterület | Agyi képalkotás | Agyi képalkotás |
| Módszercsalád | Process / pipeline | Process / pipeline |
| Keletkezés éve≠ | 2003 | 2002 |
| Megalkotó≠ | Karl J. Friston | Roberto D. Pascual-Marqui |
| Típus≠ | Causal modeling pipeline for neuroimaging | EEG/MEG source localization algorithm |
| Alapmű≠ | Friston, K. J., Harrison, L., & Penny, W. (2003). Dynamic causal modelling. NeuroImage, 19(4), 1273–1302. DOI ↗ | Pascual-Marqui, R. D. (2002). Standardized low-resolution brain electromagnetic tomography (sLORETA): technical details. Methods & Findings in Experimental & Clinical Pharmacology, 24(S-D), 5–12. link ↗ |
| Alternatív nevek | DCM, Dynamic Causal Model | Exact LORETA, eLORETA source reconstruction |
| Kapcsolódó | 2 | 2 |
| Összefoglaló≠ | Dynamic Causal Modeling (DCM) is a Bayesian framework for specifying and inverting generative models of brain connectivity from neuroimaging data. Introduced by Karl Friston and colleagues in 2003, DCM treats brain regions as dynamical systems and estimates effective connectivity by fitting observed fMRI time series to a biophysically plausible model of neuronal interactions. | Exact Low-Resolution Electromagnetic Tomography (eLORETA) is a non-parametric solution to the inverse problem in EEG and MEG source localization. Developed by Roberto D. Pascual-Marqui in 2002, eLORETA reconstructs three-dimensional maps of electrical brain activity from scalp electrode recordings, offering zero localization error under ideal noise-free conditions. |
| ScholarGateAdatkészlet ↗ |
|
|