您如何在動態因果建模或腦電圖數據的DCM中比較和選擇最佳的貝葉斯模型？在前兩個博客中，我們[…]伟德博彩
使用腦電圖為DCM選擇貝葉斯模型
實驗室談話
動態因果建模（DCM）：DCM - 神經質量模型和貝葉斯推斷
這篇文章討論了應用於腦電圖的DCM中神經質量模型和貝葉斯推斷的核心成分。
Glia是網絡活動和可塑性的關鍵參與者
經過數十年的忽略，神經膠質在塑造網絡活動和行為中的重要作用是重新定義我們如何理解大腦。幾十年來[…]
動態因果建模和貝葉斯定理的應用
動態因果建模（DCM）采用概率的貝葉斯框架來推斷有效或因果關係，實質上是為了建模刺激將如何影響連通性[…]
EEG2021的腦電圖未來的觀點
腦電圖的未來在哪裏？上周舉行的EEG 2021研討會討論了該領域的各個方麵及其前進。這是一些亮點。
貝葉斯定理上的底漆（用於神經影像學）
一個與條件概率一起使用的貝葉斯框架在一般和腦電圖中都有許多應用於神經影像。但是首先，貝葉斯定理及其工作原理。
功能的神經元表示
神經元不會穩定參與任務和行為的表示。稱為代表性漂移，這就是大腦如何代表的新思維[…]
您的血液可以告訴您有關您的大腦的信息？
血液可能有許多線索來損害和變性。新發現為腦部疾病帶來了更接近現實的血液檢查。[…]
濕電極與幹電極中的腦電圖信號質量
幹電極具有明顯的優勢，但是它們的信號質量與濕電極相比如何？選擇一個可能是時間，信號質量和穩定性之間的權衡。
濕電極的腦電圖
自1923年首次使用以來，腦電圖記錄技術原則上仍然相似。但是，多種濕和幹的電極類型是[…]
