Dynamic casual model

最近打算用DCM模型来分析手头的一个数据。虽然之前看了一些理论的文章,但是实际操作起来,还是不知如何。能查到的文章,对于DCM的具体分析方法都写的很简略,没有办法照葫芦画瓢,只能一点点的摸索。根据目前的进展,先理顺一下整个DCM分析的思路:

首先,要先建立理论模型。模型共涉及到那些区域,区域之间是否有已知的解剖链接证据,前人是否有建立过这些区域之间的模型。最重要的事如何将一个有意义的理论问题建模到模型里面去。

然后,再建立适合与DCM分析的GLM模型。对于同一个实验设计以及统计需要,实际上可以用不同的GLM模型来表示。比如一个2*2因素设计,可以用4个回归变量分别代表A1B1,A2B1,A1B2,A2B2四个条件的有或无,也可以之用两个回归变量分别代表A和B两个因素的不同水平。在进行DCM分析时,为了考察某个因素的效应,通常用后一种GLM建模的方法。

然后,定义ROI。应该是通过功能比较的结果定义。定义ROI也是一个权衡的问题:一方面,被试间存在个体差异,因此同意功能在不同被试的激活区域应该会有差异,这样对每个被试提取各自的最大激活点,可能更代表这个被试最优的时间进程;另一方面,如果被试间位置差异太大,就使进一步分析的被试间比较失去可比性。因此SPM maillist里建议使用anatomical/functional结合的方法定义ROI。想起来有点复杂,而且可能还需要很多解剖学的知识,看来还需要慢慢探索。

接下来就是建立DCM模型、估计、然后得到结果。初步尝试的结果都不太好,后验概率貌似很难达到95%。看来前面的工作还没有做到位,还需要进一步的尝试。

评论

此博客中的热门博文

神经电影学:用电影同步大脑

两个DTI研究

看电影时,脑区间动态联系的跨被试相似性