Dynamisk kausal modellering
Dynamisk kausal modellering (DCM) är ett Bayesianskt ramverk för att specificera och invertera generativa modeller av hjärnans konnektivitet från neuroavbildningsdata. DCM, som introducerades av Karl Friston och kollegor år 2003, behandlar hjärnregioner som dynamiska system och estimerar effektiv konnektivitet genom att anpassa observerade fMRI-tidsserier till en biofysiskt plausibel modell av neuronala interaktioner.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Dynamic Causal Modeling for fMRI Brain Networks. ScholarGate. https://scholargate.app/sv/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.
- Grafanalys av hjärnnätverkNeuroavbildning↔ compare
- Strukturell ekvationsmodelleringForskningsstatistik↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →