เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| การระบุตำแหน่งแหล่งกำเนิดด้วย MEG× | การสร้างแบบจำลองเชิงสาเหตุพลวัต× | |
|---|---|---|
| สาขาวิชา | การถ่ายภาพประสาท | การถ่ายภาพประสาท |
| ตระกูล | Process / pipeline | Process / pipeline |
| ปีกำเนิด≠ | 1972 | 2003 |
| ผู้ริเริ่ม≠ | David Cohen | Karl J. Friston |
| ประเภท≠ | MEG neuroimaging analysis pipeline | Causal modeling pipeline for neuroimaging |
| แหล่งต้นตำรับ≠ | Hauk, O., Friston, K. J., & Leff, A. (2019). Functional neuroimaging of language: understanding the complex relationships between localization and function. Journal of Neurolinguistics, 50, 236–250. link ↗ | Friston, K. J., Harrison, L., & Penny, W. (2003). Dynamic causal modelling. NeuroImage, 19(4), 1273–1302. DOI ↗ |
| ชื่อเรียกอื่น≠ | MEG localization, magnetic source imaging, MSI | DCM, Dynamic Causal Model |
| ที่เกี่ยวข้อง≠ | 3 | 2 |
| สรุป≠ | Magnetoencephalography (MEG) source localization is the inverse problem of estimating where in the brain neural currents originate from magnetic field measurements at the scalp. Introduced by David Cohen in 1972, MEG offers superior temporal resolution (milliseconds) and spatial specificity compared to EEG, as magnetic fields are less distorted by tissue conductivity, enabling researchers to pinpoint neural activity with high precision. | 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. |
| ScholarGateชุดข้อมูล ↗ |
|
|