Modellazione Causale Dinamica
La Modellazione Causale Dinamica (DCM) è un framework bayesiano per specificare e invertire modelli generativi della connettività cerebrale a partire da dati di neuroimaging. Introdotta da Karl Friston e colleghi nel 2003, la DCM tratta le regioni cerebrali come sistemi dinamici e stima la connettività effettiva adattando le serie temporali fMRI osservate a un modello biofisicamente plausibile di interazioni neuronali.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Dynamic Causal Modeling for fMRI Brain Networks. ScholarGate. https://scholargate.app/it/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.
- Analisi della Rete Cerebrale tramite GrafiNeuroimmagini↔ compare
- Modellizzazione di Equazioni StrutturaliStatistica per la ricerca↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →