This HTML5 document contains 55 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
n16http://linked.opendata.cz/ontology/domain/vavai/riv/typAkce/
dctermshttp://purl.org/dc/terms/
n17http://linked.opendata.cz/resource/domain/vavai/vysledek/RIV%2F00216305%3A26220%2F13%3APU106474%21RIV14-GA0-26220___/
n11http://localhost/temp/predkladatel/
n8http://purl.org/net/nknouf/ns/bibtex#
n10http://linked.opendata.cz/resource/domain/vavai/projekt/
n9http://linked.opendata.cz/resource/domain/vavai/riv/tvurce/
n15http://linked.opendata.cz/resource/domain/vavai/subjekt/
n14http://linked.opendata.cz/ontology/domain/vavai/
n22https://schema.org/
shttp://schema.org/
skoshttp://www.w3.org/2004/02/skos/core#
n3http://linked.opendata.cz/ontology/domain/vavai/riv/
n2http://linked.opendata.cz/resource/domain/vavai/vysledek/
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
n6http://linked.opendata.cz/ontology/domain/vavai/riv/klicoveSlovo/
n21http://linked.opendata.cz/ontology/domain/vavai/riv/duvernostUdaju/
xsdhhttp://www.w3.org/2001/XMLSchema#
n20http://linked.opendata.cz/ontology/domain/vavai/riv/jazykVysledku/
n7http://linked.opendata.cz/ontology/domain/vavai/riv/aktivita/
n13http://linked.opendata.cz/ontology/domain/vavai/riv/obor/
n12http://linked.opendata.cz/ontology/domain/vavai/riv/druhVysledku/
n19http://reference.data.gov.uk/id/gregorian-year/

Statements

Subject Item
n2:RIV%2F00216305%3A26220%2F13%3APU106474%21RIV14-GA0-26220___
rdf:type
skos:Concept n14:Vysledek
dcterms:description
Dynamické kauzální modelování (DCM), jako jedna z metod pro analýzu efektivní mozkové konektivity nám umožňuje vyvozovat závěry o neurálních procesech na základě naměřených dat z funkční magnetické rezonance (fMRI). Hlavním cílem je odhadnout parametry modelu neuronálního systému, jehož výstupy co nejpřesněji odpovídají pozorované hemodynamické odezvě. Jelikož DCM nepatří mezi explorativní techniky, je vždy nutné definovat hypotézu, která obsahuje informace o vstupech, vazbách a oblastech mozku. Tato práce se zabývá způsobem extrakce hemodynamických signálů z definovaných mozkových oblastí a vlivem nepřesnosti získání vhodného reprezentanta oblasti na výsledek odhadu modelu DCM. Pro kvantitativní vyhodnocení vlivu nepřesné extrakce jsme navrhli a implementovali simulátor dat založený na DCM modelu. Hlavní zájem spočívá v počtu správně odhadnutých vazeb mezi vybranými částmi mozku definovaného modelu, jehož chování je Dynamic Causal Modelling (DCM), as one of methods for effective brain connectivity analysis allows us making inferences about neural processes that underlie measured functional magnetic resonance imaging (fMRI) data. The main goal is to estimate parameters of the neuronal system model, whose outputs correspond most precisely to observed blood oxygenation level dependent (BOLD) response. As DCM is not exploratory technique, we have to define a hypothesis, which contains information about inputs, connections and brain regions. This contribution deals with a method of signal extraction from defined brain areas and with the effect of inaccurately extracted representative signal from specific brain area on the result of DCM estimation. For quantitative evaluation of the inaccuracy extraction effect we designed and implemented a data simulator based on the DCM model. We are interested in the amount of correctly estimated connections between selected regions of the specific model. Monte Carlo simulations are Dynamické kauzální modelování (DCM), jako jedna z metod pro analýzu efektivní mozkové konektivity nám umožňuje vyvozovat závěry o neurálních procesech na základě naměřených dat z funkční magnetické rezonance (fMRI). Hlavním cílem je odhadnout parametry modelu neuronálního systému, jehož výstupy co nejpřesněji odpovídají pozorované hemodynamické odezvě. Jelikož DCM nepatří mezi explorativní techniky, je vždy nutné definovat hypotézu, která obsahuje informace o vstupech, vazbách a oblastech mozku. Tato práce se zabývá způsobem extrakce hemodynamických signálů z definovaných mozkových oblastí a vlivem nepřesnosti získání vhodného reprezentanta oblasti na výsledek odhadu modelu DCM. Pro kvantitativní vyhodnocení vlivu nepřesné extrakce jsme navrhli a implementovali simulátor dat založený na DCM modelu. Hlavní zájem spočívá v počtu správně odhadnutých vazeb mezi vybranými částmi mozku definovaného modelu, jehož chování je
dcterms:title
Dynamic Causal Modelling: extraction of propher hemodynamic signals from fMRI data Dynamické kauzální modelování: extrakce vhodných hemodynamických signálů z fMRI dat Dynamické kauzální modelování: extrakce vhodných hemodynamických signálů z fMRI dat
skos:prefLabel
Dynamické kauzální modelování: extrakce vhodných hemodynamických signálů z fMRI dat Dynamic Causal Modelling: extraction of propher hemodynamic signals from fMRI data Dynamické kauzální modelování: extrakce vhodných hemodynamických signálů z fMRI dat
skos:notation
RIV/00216305:26220/13:PU106474!RIV14-GA0-26220___
n14:predkladatel
n15:orjk%3A26220
n3:aktivita
n7:S n7:P
n3:aktivity
P(GAP103/12/0552), S
n3:dodaniDat
n19:2014
n3:domaciTvurceVysledku
n9:9098585 n9:8537259 n9:7604688 n9:7927185
n3:druhVysledku
n12:D
n3:duvernostUdaju
n21:S
n3:entitaPredkladatele
n17:predkladatel
n3:idSjednocenehoVysledku
70934
n3:idVysledku
RIV/00216305:26220/13:PU106474
n3:jazykVysledku
n20:cze
n3:klicovaSlova
Effective brain connectivity, dynamic causal modelling, representative signal extraction, simulation, visual oddball experiment, fMRI, MATLAB
n3:klicoveSlovo
n6:visual%20oddball%20experiment n6:representative%20signal%20extraction n6:Effective%20brain%20connectivity n6:MATLAB n6:fMRI n6:dynamic%20causal%20modelling n6:simulation
n3:kontrolniKodProRIV
[7D7F6C915A06]
n3:mistoKonaniAkce
Brno
n3:mistoVydani
Neuveden
n3:nazevZdroje
Sborník příspěvků workshopu Nové směry v biomedicínském inženýrství
n3:obor
n13:JD
n3:pocetDomacichTvurcuVysledku
4
n3:pocetTvurcuVysledku
5
n3:projekt
n10:GAP103%2F12%2F0552
n3:rokUplatneniVysledku
n19:2013
n3:tvurceVysledku
Gajdoš, Martin Lamoš, Martin Jan, Jiří Mikl, Michal Klímová, Jana
n3:typAkce
n16:CST
n3:zahajeniAkce
2013-11-20+01:00
s:numberOfPages
10
n8:hasPublisher
Neuveden
n22:isbn
978-80-214-4814-8
n11:organizacniJednotka
26220