動(dòng)態(tài)因果模型和Granger因果映射中模型選擇的研究.pdf

1、認(rèn)知科學(xué)中，從功能整合角度研究大腦不同腦區(qū)間的交互作用具有重要的意義。在神經(jīng)影像領(lǐng)域，功能磁共振成像((f)unctional(M)agnetic(R)esonance(I)maging，簡稱fMRI)憑借非侵入性，較高的空間分辨率成為從網(wǎng)絡(luò)角度研究大腦功能的有效工具。
　　在功能整合水平下，目前基于功能磁共振數(shù)據(jù)探測效應(yīng)連接(effectiveconnectivity)的動(dòng)態(tài)因果模型（(D)ynamic(C)ausal(M)od

2、elling，簡稱DCM）和Granger因果映射((G)ranger(C)ausality(M)apping，簡稱GCM)長期競爭共存，都得到了廣泛的關(guān)注。兩種模型雖然基于不同的因果概念，但都是應(yīng)用fMRI時(shí)間序列里時(shí)間信息來揭示腦區(qū)之間的有向的信息流動(dòng)。基于這兩種方法探測效應(yīng)連接的過程中，模型選擇是一個(gè)重要的問題。最優(yōu)模型的選擇，將會(huì)直接影響效應(yīng)連接探測和結(jié)果的分析。
　　DCM中，不能準(zhǔn)確設(shè)定的生理學(xué)參數(shù)會(huì)對(duì)模型選擇結(jié)果和效

3、應(yīng)連接強(qiáng)度產(chǎn)生影響?；贔檢驗(yàn)的Granger因果映射也在模型選擇問題上出現(xiàn)了困難。最小描述長度（(M)inimum(D)escription(L)ength，簡稱MDL）是一種將奧卡姆剃刀形式化后的一種形式，可以避免模型過適應(yīng)問題，因此被普遍應(yīng)用在統(tǒng)計(jì)模型選擇領(lǐng)域。
　　本文旨在通過仿真實(shí)驗(yàn)和真實(shí)數(shù)據(jù)實(shí)驗(yàn)，探索在DCM的反演中，靜態(tài)血容積比率（V0）對(duì)于感興趣區(qū)之間效應(yīng)連接強(qiáng)度和整個(gè)效應(yīng)連接網(wǎng)絡(luò)的影響。在傳統(tǒng)Granger因果映