Dynamic Causal Modeling
Dynamic Causal Modeling (DCM) to bayesowska struktura do specyfikowania i odwracania modeli generatywnych łączności mózgu na podstawie danych neuroobrazowych. Wprowadzone przez Karla Fristona i współpracowników w 2003 roku, DCM traktuje obszary mózgu jako systemy dynamiczne i szacuje łączność efektywną poprzez dopasowanie obserwowanych szeregów czasowych fMRI do modelu interakcji neuronalnych zgodnego z zasadami biofizyki.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Dynamic Causal Modeling for fMRI Brain Networks. ScholarGate. https://scholargate.app/pl/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.
- Analiza sieci mózgowych oparta na grafachNeuroobrazowanie↔ compare
- Modelowanie równań strukturalnychStatystyka w badaniach↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →