دانلود مقاله ترجمه شده مدل سازیِ علّیِ پویا برای EEG و MEG

چکیده

مدلسازی علّی پویا (DCM) راهکاری است که نخست برای تجزیه و تحلیلِ تصویربرداری کاربردی با استفاده از تشدید یا رزونانس مغناطیسی (fMRI) جهت تعیین ارتباط موثر میان نواحی مغز مطرح شده بود. این چهارچوب به تازگی توسعه یافته و در حوزه مغزنگاری با استفاده از سیگنال های مغناطیسی (M/EEG) محقق شده است. مدلسازی علی پویا برای M/EEG، شامل وارون سازی یک مدلِ فضایی-زمانیِ کامل از واکنش های فراخوانی شده، در شرایطی متعدد می باشد. این مدل، ازلحاظ داده های الکتروفیزیولوژیکی، متکی به یک مدل مولدِ بیوفیزیکی و نوروبیولوژیکی می باشد. مدل مولد، درواقع دستورالعملی برای نحوه ایجاد یا تولید داده می باشد. وارون سازیِ DCM چگالی هایی شرطی برروی پارامترهای مدل و درواقع برروی خود مدل فراهم می کند. این چگالی ها ها فرد را قادر به پاسخگویی به سوالات کلیدی دربارۀ سیستم مربوطه می کند. DCM متشکل از دو بخش می باشد؛ یک بخش خصوصیات دینامیکی موجود درداخل منابع نورونی و میان آنها را توصیف می کند و دیگری نحوه ایجاد داده ها در حسگر ها توسط خصوصیات دینامیکی منبع را با استفاده از فیلد راهنما (Lead Field) (مترجم: ماتریسی که شامل اطلاعات هندسی است، ماتریس فیلد راهنما نامیده می شود) توصیف می کند. پارامترهای این مدل فضایی - زمانی با استفاده از یک روش بیزیِ منفرد (تکراری) برآورد می شوند. در این مقاله، طرح کنونیِ DCM را بررسی می کنیم. دو مثال، نشان می دهند که این روش چطور برای آزمایش های M/EEG قابل بکارگیری هستند.

1-مقدمه

در ادامه، نخست چندین مورد از پیشرفت های روش شناختی را مطرح می کنیم که بعقیدۀ ما برای روش های نوین آنالیز M/EEG حائز اهمیت هستند. هدف این است که مقدمه حالتی عمومی و کلی داشته باشد. مولفه های کلیدی با استفاده از مثال های عینیِ مدلسازی علی پویا (DCM)، بعداً ارائه خواهد شد. آنالیز داده هایِ MEG و EEG از زوایای مختلفی قابل انجام است. برای محققان تازه کار و متخصص، تنوعِ روش ها به یک اندازه ساده باشد. بااینحال، اکثر محققان، نوعاً از انتخاب های مکرر میان روش ها جلوگیری می کنند، زیرا شناخت روش ها می تواند هزینه زیادی را موجب شود...