최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기응용통계연구 = The Korean journal of applied statistics, v.29 no.6, 2016년, pp.1129 - 1145
김성호 (한국과학기술원 수리과학과) , 박창현 (이화여자대학교 뇌융합과학연구원)
Functional neuro-connectivity is one of the main issues in brain science in the sense that it is closely related to neurodynamics in the brain. In the paper, we choose fMRI as a main form of response data to brain activity due to its high resolution. We review methods for analyzing functional neuro-...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
서양에서의 골상학은 누구에 의해서 정립되었는가? | 서양에서의 골상학(phrenology)은 독일의 생리학자인 Gall(Franz Josef Gall, 1758–1828)에 의해서 정립되었는데 19세기에 유럽에서 활발하게 이용되었으나 오늘날은 유사과학으로 분류되어있다. Gall에 의한 골상학의 기본 전제는 사람의 생각, 행동, 감정 등을 관장하는 일이 뇌의 서로 다른 부위에서 이루어진다는 것이다. | |
뇌기능 연결성 문제는 어떤 의미에서 뇌과학에서 주요 연구주제인가? | 뇌기능 연결성 문제는 뇌의 신경역학적 현상과 밀접한 관련이 있다는 의미에서 뇌과학에서 주요 연구주제이다. 본 논문에서는 기능적 자기공명영상(fMRI)자료를 뇌활동에 대한 반응 자료의 주요 형태로써 선택하였는데, 이 fMRI자료는 높은 해상도 때문에 뇌과학 연구에서 선호되는 자료 형태이다. | |
뇌의 국소기능을 찾는 것이 뇌과학의 중요한 주제였던 이유는? | Gall에 의한 골상학의 기본 전제는 사람의 생각, 행동, 감정 등을 관장하는 일이 뇌의 서로 다른 부위에서 이루어진다는 것이다. 즉, 뇌의 각 부위는 고유의 기능이 있다는 것이다. 이러한 이유로 뇌의 국소기능을 찾는 것이 뇌과학의 중요한 주제였었다. |
Absher, J. R. and Benson, D. F. (1993). Disconnection syndromes: an overview of Geschwind's contributions. Neurology, 43, 862-867.
Astolfi, L., Cincotti, F., Mattia, D., Salinari, S., Babiloni, C., Basilisco, A., Rossini, P. M., Ding, L., Ni, Y., He, B., Marciani, M. G., and Babiloni., F. (2004). Estimation of the effective and functional human cortical connectivity with structural equation modeling and directed transfer function applied to high-resolution EEG. Magnetic Resonance Imaging, 22, 1457-1470.
Buchel, C., Friston, K. J. (1997). Modulation of connectivity in visual pathways by attention: cortical interactions evaluated with structural equation modelling and fMRI. Cerebral Cortex, 7, 768-778.
Bullmore, E. and Sporns, O. (2009). Complex brain networks: graph theoretical analysis of structural and functional systems. Nature Reviews Neuroscience, 10, 186-198.
Churchland, P. S. and Sejnowski, T. J. (1998). Perspectives on cognitive neuroscience. Science, 242, 741-745.
Daunizeau, J., Kiebel, S. J., and Friston, K. J. (2009). Dynamic causal modelling of distributed electromagnetic responses. Neuroimage, 47, 590-601.
Deshpande, G., Sathian, K., and Hu, X. (2010). Assessing and compensating for zero-lag correlation effects in time-lagged Granger causality analysis of FMRI. IEEE Transactions on Biomedical Engineering, 57, 1446-1456.
Friston, K. J. (2005). Models of brain function in neuroimaging. Annual Review of Psychology, 56, 57-87.
Friston, K. J. (2011). Functional and effective connectivity: a review. Brain Connectivity, 1, 13-36.
Friston, K. J., Bastos, A. M., Oswal, A., van Wijk, B., Richter, C., and Litvak, V. (2014). Granger causality revisited. NeuroImage, 101, 796-808.
Friston, K. J., Harrison, L., and Penny, W. (2003). Dynamic causal modelling. NeuroImage, 19, 1273-1302.
Friston, K. J., Holmes, A. P., Worsley, K. J., Poline, J. B., Frith, C. D., and Frackowiak, R. S. J. (1995). Statistical parametric maps in functional imaging: a general linear approach. Human Brain Mapping, 2, 189-210.
Genovese, C. R., Lazar, N. A., and Nichols, T. (2002). Thresholding of statistical maps in functional neuroimaging using the false discovery rate. Neuroimage, 15, 870-878.
Goebel, R., Roebroeck, A., Kim, D. S., and Formisano, E. (2003). Investigating directed cortical interactions in time-resolved fMRI data using vector autoregressive modeling and Granger causality mapping. Magnetic Resonance Imaging, 21, 1251-1261.
Goltz, F. (1881). Transactions of the 7th International Medical Congress (MacCormac ed.), I, 218-228, JW Kolkmann, London.
Haxby, J. V., Guntupalli, J. S., Connolly, A. C., Halchenko, Y. O., Conroy, B. R., Gobbini, M. I., Hanke, M., and Ramadge, P. J. (2011). A common, high-dimensional model of the representational space in human ventral temporal cortex. Neuron, 72, 404-416.
Huettel, S. A., Song, A. W., and McCarthy, G. (2009). Functional Magnetic Resonance Imaging (Vol. 1), Sinauer Associates, Sunderland.
Kim, J., Zhu, W., Chang, L., Bentlerm P. M., and Ernst, T. (2006). Unified structural equation modeling approach for the analysis of multisubject, multivariate functional MRI data. Human Brain Mapping, 28, 85-93.
Lee, N., Choi, H., and Kim, S.-H. (2016a). Bayes shrinkage estimation for high-dimensional VAR models with scale mixture of normal distributions for noise. Computational Statistics & Data Analysis, 101, 250-276.
Lee, N., Kim, A.-Y., Park, C.-H., and Kim, S.-H. (2016b). An Improvement on Local FDR Analysis Applied to Functional MRI Data. Journal of Neuroscience Methods, 267, 115-125.
Logothetis, N. K. (2008). What we can do and what we cannot do with fMRI. Nature, 453, 869-878.
Marreiros, A. C., Kiebel, S. J., and Friston, K. J. (2008). Dynamic causal modelling for fMRI: A two-state model. NeuroImage, 39, 269-278.
Marrelec, G., Kim, J., Doyon, J., and Horwitz, B. (2009). Large-scale neural model validation of partial correlation analysis for effective connectivity investigation in functional MRI. Human Brain Mapping, 30, 941-950.
McIntosh, A. and Gonzales-Lima, F.(1994). Structural equation modeling and its application to network analysis in functional brain imaging. Human Brain Mapping, 2, 2-22.
Ni, S. and Sun, D. (2005). Bayesian estimates for vector autoregressive models. Journal of Business and Economic Statistics, 23, 105-117.
Nichols, T. and Hayasaka, S. (2003). Controlling the familywise error rate in functional neuroimaging: a comparative review. Statistical Methods in Medical Research, 12, 419-446.
Opgen-Rhein, R. and Strimmer, K. (2007). Learning causal networks from systems biology time course data: an effective model selection procedure for the vector autoregressive process. BMC Bioinform, 8, S3.
Penny, W. D., Stephan, K. E., Mechelli, A., and Friston, K. J. (2004). Modelling functional integration: a comparison of structural equation and dynamic causal and models. NeuroImage, 23, 264-274.
Schafer, J. and Strimmer, K. (2005). A shrinkage approach to large-scale covariance matrix estimation and implications for functional genomics. Statistical Applications in Genetics and Molecular Biology, 4, 32.
Smith, S. M., Miller, K. L., Salimi-Khorshidi, G., Webster, M., Beckmann, C. F., Nichols, T. E., Ramsey, J. D., and Woolrich, M. W. (2011). Network modelling methods for FMRI. NeuroImage, 54, 875-891.
Staum, M. (1995). Physiognomy and phrenology at the Paris Athenee. Journal of the History of Ideas, 56, 443-462.
Stephan, K. E. and Friston, K. J. (2011). Analyzing effective connectivity with fMRI. Wiley Interdisciplinary Reviews: Cognitive Science, 1, 446-459.
Strimmer, K. (2008). ftrtool: a versatile R package for estimating local and tail area-based false discovery rates. Bioinformatics, 24, 1461-1462.
Zhou, D., Thompson, W. K., and Siegle, G. (2009). MATLAB toolbox for functional connectivity. Neuroimage, 47, 1590-1607.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.