Dinamiskā kauzālā modelēšana
Dinamiskā kauzālā modelēšana (DCM) ir Bajesiešu ietvars ģeneratīvo smadzeņu savienojamības modeļu specifikācijai un inversijai no neiroattēlveidošanas datiem. Karls Fristons un kolēģi to ieviesa 2003. gadā. DCM uzskata smadzeņu reģionus par dinamiskām sistēmām un novērtē efektīvo savienojamību, pielāgojot novērotās fMRI laika rindas biofiziski ticamam neironu mijiedarbības modelim.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Dynamic Causal Modeling for fMRI Brain Networks. ScholarGate. https://scholargate.app/lv/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.
- Smadzeņu tīklu grafu analīzeNeiroattēlveidošana↔ compare
- Modelēšana ar strukturālām vienādojumiemPētniecības statistika↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →