Ein DCM für Ruhezustands-fMRI

Diese technische Notiz stellt ein dynamisches kausales Modell (DCM) für Ruhezustands-fMRI-Zeitserien vor, das auf der beobachteten funktionalen Konnektivität basiert – gemessen an den Kreuzspektren zwischen verschiedenen Gehirnregionen. Dieses DCM basiert auf einem deterministischen Modell, das vorhergesagte gekreuzte Spektren aus einem biophysikalisch plausiblen Modell gekoppelter neuronaler Schwankungen in einem verteilten neuronalen Netzwerk oder Graphen erzeugt. Effektiv findet das resultierende Schema die beste effektive Konnektivität zwischen versteckten neuronalen Zuständen, die die beobachtete funktionale Konnektivität zwischen hämodynamischen Antworten erklärt. Dies liegt daran, dass die Kreuzspektren alle Informationen über (zweiter Ordnung) statistische Abhängigkeiten unter regionalen Dynamiken enthalten. In dieser Notiz konzentrieren wir uns darauf, das Modell zu beschreiben, seine Beziehung zu bestehenden Maßen der gerichteten und ungerichteten funktionalen Konnektivität darzustellen und seine Inhaltsvalidität mittels Simulationen zu etablieren. In nachfolgenden Arbeiten werden wir seine Konstruktvalidität im Verhältnis zu stochastischem DCM und seine prädiktive Validität bei Parkinson- und Huntington-Krankheit bewerten.