Process / pipelineGenerative Bayesian
动态因果建模
动态因果建模 (DCM) 是一个贝叶斯框架，用于从神经影像数据中指定和反演大脑连接的生成模型。DCM 由 Karl Friston 及其同事于 2003 年提出，将大脑区域视为动力学系统，并通过将观察到的 fMRI 时间序列拟合到具有生物物理学合理性的神经元相互作用模型来估计有效连接。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 3). Dynamic Causal Modeling for fMRI Brain Networks. ScholarGate. https://scholargate.app/zh/neuroimaging/dynamic-causal-modeling
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
并排比较 →