Dynamic Causal Modeling
释义 Definition
动态因果建模（常简称 DCM）：一种基于生成模型与贝叶斯推断的方法，用来从观测到的时间序列数据（常见于 fMRI、EEG/MEG）中推断系统内部各部分之间的因果影响方向与强度，尤其用于神经科学中的有效连接（effective connectivity）分析。也可用于其他动态系统的因果机制建模。
发音 Pronunciation (IPA)
/daɪˈnæmɪk ˈkɔːzəl ˈmɑːdəlɪŋ/
例句 Examples
We used dynamic causal modeling to study connectivity between brain regions.
我们使用动态因果建模来研究脑区之间的连接关系。
By fitting a dynamic causal modeling framework to fMRI time series, the researchers compared competing hypotheses about how attention modulates neural circuits.
研究人员将动态因果建模框架拟合到 fMRI 时间序列上，用以比较关于“注意如何调制神经回路”的不同假设模型。
词源 Etymology
该短语由三部分组成：dynamic（动态的，来自希腊语 dynamis“力量/作用”）、causal（因果的，源于拉丁语 causa“原因”）、modeling（建模/建构模型）。在学术语境中，它特指由 Friston 等人在 2000 年代提出并系统化的一类方法，用模型来表达“系统如何随时间变化”以及“变量之间的因果作用如何产生观测数据”。
相关词 Related Words
文献与著作 Literary / Notable Works
- Friston, K. J., Harrison, L., & Penny, W. (2003). Dynamic causal modelling. NeuroImage.
- Friston, K. J. (2009). Causal modelling and brain connectivity in functional neuroimaging. PLoS Biology（综述性介绍 DCM 与因果建模思想）。
- Stephan, K. E., et al. (2010). Ten simple rules for dynamic causal modeling. NeuroImage.
- Penny, W. D., Stephan, K. E., Mechelli, A., & Friston, K. J. (2004). Comparing dynamic causal models. NeuroImage.
- Friston, K. J., Ashburner, J., Kiebel, S., Nichols, T., & Penny, W. (Eds.). (2007). Statistical Parametric Mapping: The Analysis of Functional Brain Images（书中包含 DCM 相关章节与方法背景）。
Select Language