Process / pipelineGenerative Bayesian
動的因果モデリング
動的因果モデリング（DCM）は、神経画像データから脳結合の生成モデルを指定および逆転させるためのベイズ的フレームワークである。2003年にカール・フリストンらによって導入されたDCMは、脳領域を力学系として扱い、神経相互作用の生物物理学的に妥当なモデルに観測されたfMRI時系列を適合させることによって実効結合を推定する。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Dynamic Causal Modeling for fMRI Brain Networks. ScholarGate. https://scholargate.app/ja/neuroimaging/dynamic-causal-modeling
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- グラフ脳ネットワーク分析神経画像学↔ 比較
- 構造方程式モデリング研究統計↔ 比較