Autor der Publikation

Kopieren Löschen Diese Publikation zur Ablage hinzufügen
Community-Eintrag
Versionsverlauf dieses Eintrags
URL
DOI
BibTeX
EndNote
APA
Chicago
DIN 1505
Harvard
MSOffice XML

Predictors of real-time fMRI neurofeedback performance and improvement - A machine learning mega-analysis.

A. Haugg, F. Renz, A. Nicholson, C. Lor, S. Götzendorfer, R. Sladky, S. Skouras, A. McDonald, R. Craddock, L. Hellrung, M. Kirschner, M. Herdener, Y. Koush, M. Papoutsi, N. Keynan, T. Hendler, K. Kadosh, C. Zich, S. Kohl, M. Hallschmid, J. MacInnes, R. Adcock, K. Dickerson, N. kuei Chen, K. Young, J. Bodurka, M. Marxen, S. Yao, B. Becker, T. Auer, R. Schweizer, G. Pamplona, R. Lanius, K. Emmert, S. Haller, D. Ville, D. Kim, J. Lee, T. Marins, F. Megumi, B. Sorger, T. Kamp, S. Liew, R. Veit, M. Spetter, N. Weiskopf, F. Scharnowski, und D. Steyrl. NeuroImage, (2021)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Sven Stark University of Stuttgart

Kerstin Haller University of Stuttgart

Sven Fischer

Sven Sewalski University of Stuttgart

Sven Weidner University of Stuttgart

Weitere Publikationen von Autoren mit dem selben Namen

Predicting individual scores from resting state fMRI using partial least squares regression.D. Meskaldji, M. Preti, T. Bolton, M. Montandon, C. Rodriguez, S. Morgenthaler, P. Giannakopoulos, S. Haller, und D. Ville. ISBI, Seite 1311-1314. IEEE, (2016)Detecting Perfusion Pattern Based on the Background Low-Frequency Fluctuation in Resting-State Functional Magnetic Resonance Imaging Data and Its Influence on Resting-State Networks: An Iterative Postprocessing Approach.T. Qian, D. Zanchi, C. Rodriguez, M. Ackermann, P. Giannakopoulos, und S. Haller. Brain Connectivity, 7 (10): 627-634 (2017)Distributed Patterns of Brain Activity Underlying Real-Time fMRI Neurofeedback Training.R. Kopel, K. Emmert, F. Scharnowski, S. Haller, und D. Ville. IEEE Trans. Biomed. Engineering, 64 (6): 1228-1237 (2017)Co-Registration of Intra-Operative Photographs and Pre-Operative MR Images.B. Berkels, I. Cabrilo, S. Haller, M. Rumpf, und C. Schaller. Bildverarbeitung für die Medizin, Seite 122-127. Springer, (2013)Real-time fMRI neurofeedback: Progress and challenges.J. Sulzer, S. Haller, F. Scharnowski, N. Weiskopf, N. Birbaumer, M. Blefari, A. Brühl, L. Cohen, R. DeCharms, R. Gassert und 7 andere Autor(en). NeuroImage, (2013)Meta-analysis of real-time fMRI neurofeedback studies using individual participant data: How is brain regulation mediated?K. Emmert, R. Kopel, J. Sulzer, A. Brühl, B. Berman, D. Linden, S. Horovitz, M. Breimhorst, A. Caria, S. Frank und 9 andere Autor(en). NeuroImage, (2016)Co-registration of intra-operative brain surface photographs and pre-operative MR images.B. Berkels, I. Cabrilo, S. Haller, M. Rumpf, und K. Schaller. Int. J. Comput. Assist. Radiol. Surg., 9 (3): 387-400 (2014)Cortical Surface Co-Registration based on MRI Images and PhotosB. Berkels, I. Cabrilo, S. Haller, M. Rumpf, und C. Schaller. CoRR, (2013)Predictors of real-time fMRI neurofeedback performance and improvement - A machine learning mega-analysis.A. Haugg, F. Renz, A. Nicholson, C. Lor, S. Götzendorfer, R. Sladky, S. Skouras, A. McDonald, R. Craddock, L. Hellrung und 38 andere Autor(en). NeuroImage, (2021)Decomposing dynamic functional connectivity onto phase-dependent eigenconnectivities using the Hilbert transform.M. Preti, S. Haller, P. Giannakopoulos, und D. Ville. ISBI, Seite 38-41. IEEE, (2015)