关于Dynamic casual modeling 和 Granger causality之间的争论

选择 0滴只看楼主 xulei 于2009-10-14 10:10 小中大
正式滴友 17心级 838水晶 0钻石2精华; 专业:神经信息学
电子科大兴趣EEG/fMRI fusion我的博客 http://blog.sina.com.cn/eegfmri -写想法

最近几期的PLOS Biol.和NeuroImage都在讨论Dynamic casual modeling 和 Granger causality在对fMRI数据进行causality推论时，孰优孰劣的问题，这里推荐几篇文献：

Identifying neural drivers with functional MRI: an electrophysiological validation.
David O, Guillemain I, Saillet S, Reyt S, Deransart C, Segebarth C, Depaulis A.
PLoS Biol. 2008 Dec 23;6(12):2683-97.

Causal modelling and brain connectivity in functional magnetic resonance imaging.
Friston K.
PLoS Biol. 2009 Feb 17;7(2):e33.

The identification of interacting networks in the brain using fMRI: Model selection, causality and deconvolution.
Roebroeck A, Formisano E, Goebel R.
Neuroimage. 2009 Sep 25. [Epub ahead of print]

Dynamic casual modeling and Granger causality Comments on: The identification of interacting networks in the brain using fMRI: Model selection, causality and deconvolution.
Friston K.
Neuroimage. 2009 Sep 19. [Epub ahead of print]

我的感觉是DCM肯定是最优选择，但在机理不明，讨论的区域很多时，Granger就是我们退而求其次的方法了。
不知大家怎么看这个事情?
欢迎讨论 http://blog.sina.com.cn/s/blog_60a751620100fjru.html

[ 此帖被xulei在2009-10-14 15:14重新编辑 ]

赞好帖-

送花 ||

扔蛋-抨滥贴

本楼已得:66分。最近评分：

水晶:+20(simonwy_cas) 很有价值+20

水晶:+30(cell) 极有价值+30

水晶:+1(miao) 好帖,送鲜花！

搜索更多相关文章：fMRI 文献 brain 数据 DCM

My research interests include data-driven EEG/fMRI fusion; EEG inverse problem and EEG/fMRI classification.
Welcome to visit my blog:
http://blog.sina.com.cn/eegfmri

顶端回复引用

选择 1滴只看该作者 conge ▼ 于2009-10-15 06:16 小中大
核心滴友 73心级 3141水晶 0钻石5精华; 专业:心理学
最好的自控就是远离那些需要自控的情境。 -写想法

DCM固然好，但也不能说Granger causality mapping （GCM）就是“退而求其次”的方法。用武之地不同啊。
从effetive connectivity的各种计算方法出现以来，研究者们一直都不能在计算方法上达到统一，原因就在于各种方法均有其弱点和强项。虽说DCM和GCM都越来越流行，可是目前还是用SEM的多。PPI虽然简单，但是也不妨碍有用这一方法的文章出现在顶级杂志上。关键在于，如果你的问题能被简单的方法所解决，何苦使用复杂的呢？

对于同时能用多种方法来回答的问题，不妨采取求同存异的态度。毕竟，被多种方法证明了的结论更有说服性。而对于不同方法带来的结果上的差异，我看也许得等新方法来解释。

谢谢楼主提供的文章列表，对我很有用处！

明显的，Dynamic casual modeling （DCM）需要实现定义一个网络才能运行，这就需要许多的先验知识。如果先验知识有错，则DCM的结果也只能是垃圾。

GCM利用时间信息较为充分，而DCM则不是。

赞好帖-

送花 ||

扔蛋-抨滥贴

本楼已得:16分。最近评分：

水晶:+1(巧巧宝宝) 有价值+10

水晶:+15(thinking) 有价值+10

顶端回复引用

选择 2滴只看该作者 miao ▼ 于2009-10-15 17:08 小中大
论坛版主 57心级 3394水晶 0钻石4精华; 专业:脑科学
Overwhelmed ~~ -写想法

赞同conge 我也觉得两者各有所长，其中最明显的就是先验知识这点。
缺少先验知识的探索性研究Granger更加适合，
DCM更加适合有一定假说的比较性研究。

另非常感谢提供的文章list！！
但链接不能直接连过去我点过去只能到pubmed主页面？

[ 此帖被miao在2009-10-15 17:18重新编辑 ]

赞好帖-

送花 ||

扔蛋-抨滥贴

本楼已得:10分。最近评分：

水晶:+10(thinking) 有价值+10

顶端回复引用

选择 3滴只看该作者 xulei 于2009-10-15 17:37 小中大
正式滴友 17心级 838水晶 0钻石2精华; 专业:神经信息学
电子科大兴趣EEG/fMRI fusion我的博客 http://blog.sina.com.cn/eegfmri -写想法

miao, 可能是你们学校没有买这个数据库哈

这两天我也在思考这个问题，确实GCM和DCM各有所长，但个人认为未来的趋势是两者的融合，特别是状态空间模型的引入，会让两者的融合更有坚实的理论基础和统一的算法流程

赞好帖-

送花 ||

扔蛋-抨滥贴

本楼已得:10分。最近评分：

水晶:+10(thinking) 有价值+10

顶端回复引用

选择 4滴只看该作者 miao ▼ 于2009-10-15 19:49 小中大
论坛版主 57心级 3394水晶 0钻石4精华; 专业:脑科学
Overwhelmed ~~ -写想法

有access的不知道为啥连不上重新搜索就可以。。
说到结合方法上怎么实现呢？
我自己对functional connectivity和anatomical connectivity结合更有兴趣。。

引用
引用第3楼xulei于2009-10-15 17:37发表的 :
miao, 可能是你们学校没有买这个数据库哈

这两天我也在思考这个问题，确实GCM和DCM各有所长，但个人认为未来的趋势是两者的融合，特别是状态空间模型的引入，会让两者的融合更有坚实的理论基础和统一的算法流程

赞好帖-

送花 ||

扔蛋-抨滥贴

顶端回复引用

选择 5滴只看该作者 xulei 于2009-10-15 20:58 小中大
正式滴友 17心级 838水晶 0钻石2精华; 专业:神经信息学
电子科大兴趣EEG/fMRI fusion我的博客 http://blog.sina.com.cn/eegfmri -写想法

DCM在神经层次那个微分方程，其实相当于状态空间模型里关于隐变量的转移方程，个人感觉会是这个思路，不过具体如何实现还没想好。
当然如果我想出来了，早就去写文章了

赞好帖-

送花 ||

扔蛋-抨滥贴

本楼已得:1分。最近评分：

水晶:+1(miao) 勤思善问+10

顶端回复引用

选择 7滴只看该作者 armeny 于2009-10-16 22:14 小中大
新滴友 6心级 195水晶 0钻石0精华; 专业:脑功能磁共振成像研究
我的镜像神经元不够发达捏 -写想法

引用
引用第6楼qinyun77于2009-10-16 13:17发表的 :
麻烦能不能把头两篇文章附上一下 PLoS Biol的

我这里有

赞好帖-

送花 ||

扔蛋-抨滥贴

描述：David 08 PLoS
附件：

journal.pbio.0060315.pdf [ 高速下载 ]
大小931K,已被下载10次,价值:5水晶.

描述：Friston 09 PLoS
附件：

PLoS09_CausalModellingBrainConnectivityInfMRI.pdf [ 高速下载 ]
大小1298K,已被下载12次,价值:5水晶.

本楼已得:5分。最近评分：

水晶:+5(qinyun77) 有价值+10

顶端回复引用

选择 8滴只看该作者 conge ▼ 于2009-10-17 08:49 小中大
核心滴友 73心级 3141水晶 0钻石5精华; 专业:心理学
最好的自控就是远离那些需要自控的情境。 -写想法

引用
引用第5楼xulei于2009-10-15 20:58发表的 :
DCM在神经层次那个微分方程，其实相当于状态空间模型里关于隐变量的转移方程，个人感觉会是这个思路，不过具体如何实现还没想好。
当然如果我想出来了，早就去写文章了

我对那套方程不是很清楚，也没读过原文献。但就我对ERP的Forward Model的了解来类推，它也是一个大脑神经活动对应的BOLD signal的简化模型。至于是怎样的简化，我就不敢说了。

但是DCM确实可以以此在解释数据的时候做到神经活动的水平。而其他的effective connectivity 测量方法都是在BOLD信号的水平上讨论问题。如果GCM也能利用Forward Model的话，可能会有更大的用处。

另外，也有人正在试图采用局部数据采集（非全脑）来提高fMRI的时间分辨率，然后利用GCM做conectivity的。这是充分利用GCM对TR敏感的这一特性。不过目前还没有什么结果出来。

赞好帖-

送花 ||

扔蛋-抨滥贴

我的主页：收心阁我的豆瓣

顶端回复引用

选择 10滴只看该作者 xulei 于2009-10-23 10:59 小中大
正式滴友 17心级 838水晶 0钻石2精华; 专业:神经信息学
电子科大兴趣EEG/fMRI fusion我的博客 http://blog.sina.com.cn/eegfmri -写想法

据说NeuroImage会出一期关于这个争论的特刊，大家敬请期待

赞好帖-

送花 ||

扔蛋-抨滥贴

顶端回复引用

选择 11滴只看该作者小刚于2010-01-11 14:55 小中大
新滴友 4心级 73水晶 0钻石0精华; 专业:脑信号的处理
最近我脑内没啥想法-写想法

楼主能不能把后两篇文章挂一下

最近也在探求两者之间哪个更适合做功能连接，多谢

楼主留言：

你要的文章已回复，请查收

赞好帖-

送花 ||

扔蛋-抨滥贴

顶端回复引用

选择 12滴只看该作者 xulei 于2010-01-13 20:29 小中大
正式滴友 17心级 838水晶 0钻石2精华; 专业:神经信息学
电子科大兴趣EEG/fMRI fusion我的博客 http://blog.sina.com.cn/eegfmri -写想法

回 11楼(小刚)

这两篇文章贴在这里哈

2009 Roebroeck.pdf [高级下载] (1166 K) 下载次数:4 售价:5水晶

2009 Friston.pdf [高级下载] (112 K) 下载次数:5 售价:5水晶

我的blog里面资料更全一些

赞好帖-

送花 ||

扔蛋-抨滥贴

My research interests include data-driven EEG/fMRI fusion; EEG inverse problem and EEG/fMRI classification.
Welcome to visit my blog:
http://blog.sina.com.cn/eegfmri

顶端回复引用