Metodes pierādījumu reģistrs
Dynamic Causal Modeling
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.
Avota reģistrs
Atsauces kopētas tieši no metodes avota reģistra. Tās nenozīmē nekādu apgalvojumu līmeņa verifikāciju.
Dynamic Causal Modeling for fMRI Brain Networks
Taksonomiskās metodes reģistrs · process-pipeline / neuroimaging
- 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. · URL
Kurēti apgalvojumi
Apgalvojumi saglabāti pierādījumu reģistrā, katram ar savu novērtējumu.
Vēl nav kurētu apgalvojumu
Šis skatījums neizgudro apgalvojumu novērtējumu, ja reģistrā tā nav.
Saistītās metodes
Ģenerēts no metodes grafika un parādīts kā mašīnas ieteiktas attiecības — netiek izvirzīts neviens pierādījumu apgalvojums.