Can we predict real-timefMRIneurofeedback learning success from pretraining brain activity?

DSpace Repositorium (Manakin basiert)

Can we predict real-timefMRIneurofeedback learning success from pretraining brain activity?

Autor(en): Haugg, Amelie; Sladky, Ronald; Skouras, Stavros; McDonald, Amalia; Craddock, Cameron; Kirschner, Matthias; Herdener, Marcus; Koush, Yury; Papoutsi, Marina; Keynan, Jackob N.; Hendler, Talma; Cohen Kadosh, Kathrin; Zich, Catharina; MacInnes, Jeff; Adcock, Alison; Dickerson, Kathryn; Chen, Nan-Kuei; Young, Kymberly; Bodurka, Jerzy; Yao, Shuxia; Becker, Benjamin; Auer, Tibor; Schweizer, Renate; Pamplona, Gustavo; Emmert, Kirsten; Haller, Sven; van de Ville, Dimitri; Blefari, Maria-Laura; Kim, Dong-Youl; Lee, Jong-Hwan; Marins, Theo; Fukuda, Megumi; Sorger, Bettina; Kamp, Tabea; Liew, Sook-Lei; Veit, Ralf; Spetter, Maartje; Weiskopf, Nikolaus; Scharnowski, Frank
Tübinger Autor(en):
Veit, Ralf
Erschienen in: Human Brain Mapping (2020), Bd. 41, H. 14, S. 3839-3854
Verlagsangabe: Wiley
Sprache: Englisch
Referenz zum Volltext: http://dx.doi.org/10.1002/hbm.25089
ISSN: 1097-0193
DDC-Klassifikation: 610 - Medizin, Gesundheit
570 - Biowissenschaften, Biologie
Dokumentart: Wissenschaftlicher Artikel
Zur Langanzeige

Das Dokument erscheint in: