SPM/DCM 方程. 1. 动机

大脑中的网络

统计参数映射 (SPM) 使研究人员能够标记哪些大脑区域相对于某个基线被实验任务显著激活。SPM 生成的彩色斑点告诉我们哪些大脑区域参与了特定任务，但它们没有说明受试者使用的大脑区域的网络。简单来说，我们希望在彩色斑点之间画出箭头，显示信息如何在脑中流动。

动态因果模型 (DCM) 使我们能够询问关于脑连接的问题。大脑区域 A 是否负责大脑区域 B 激活的变化？感觉刺激从哪里进入大脑区域网络？哪些连接受到注意力等因素的调节？

一个 DCM 实验

DCM 实验的基本计划如下：

1. 选择参与特定任务的一组大脑区域。这很可能受到标准 SPM 分析结果的指导。
2. 确定一组关于这些区域如何连接的假设。每个假设可能有一组不同的区域之间的连接、不同的外部输入进入网络的位置，或不同的连接受到实验任务或注意力等内部因素的调节。
3. 将每个假设体现在动态因果模型 (DCM) 中。
4. 测试每个 DCM 如何描述观察到的 fMRI 数据（当与血氧流动模型结合时）。
5. 比较模型以选择最佳模型，或比较模型之间各个连接的强度。

在我们开始讲解如何实施 DCM 实验的实际指南之前，我们将从理论开始。DCM 的核心是一个状态方程，教程的第一部分描述了它是什么以及它是如何工作的。