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。