基于传导的动态因果建模：对其应用于交叉功率谱密度的数学评述
摘要：动态因果建模（DCM）是一种基于脑活动测量来推断隐藏（潜在）神经元状态的贝叶斯框架。自2003年引入功能磁共振成像数据以来，DCM已经扩展到电生理数据，并且发展了几种变体。这些生物物理学动机的公式使这些模型成为为提供人类脑动力学在健康和疾病中机制理解的有前途的候选者。然而，由于它们的复杂性和依赖于几个领域的概念，完全理解DCM某些变体的数学和概念基础可能具有挑战性。同时，对模型的坚实理论知识对于避免在应用这些模型和解释其结果中出现问题至关重要。在本文中，我们重点讲述了DCM的最先进的一个公式，即基于电导的交叉谱密度DCM，其组成部分在多个技术论文中有描述。本文的目的是提供数学背景的易懂阐述，以及对模型行为的说明。为此，我们包括了模型方程的逐步推导，指出了在这些模型的软件实现中的重要方面，并使用模拟来直观理解可以生成的响应类型以及特定参数在模型中的作用。此外，我们在手稿旁边公开提供了用于模拟的所有代码，以便读者可以方便地进行基于电导的DCM的实践体验。
作者：In^es Pereira, Stefan Fr"assle, Jakob Heinzle, Dario Sch"obi, Cao Tri Do, Moritz Gruber, Klaas E. Stephan
论文ID：2104.02957
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2021-04-08