| TÃtulo : |
StartUp Research 2017, Siena, Italy, June 25–27 |
| Tipo de documento: |
documento electrónico |
| Autores: |
Canale, Antonio, ; Durante, Daniele, ; Paci, Lucia, ; Scarpa, Bruno, |
| Mención de edición: |
1 ed. |
| Editorial: |
[s.l.] : Springer |
| Fecha de publicación: |
2018 |
| Número de páginas: |
XI, 156 p. 62 ilustraciones, 26 ilustraciones en color. |
| ISBN/ISSN/DL: |
978-3-030-00039-4 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Idioma : |
Inglés (eng) |
| Palabras clave: |
EstadÃsticas BiometrÃa Neurociencias TeorÃa y métodos estadÃsticos. BioestadÃstica Neurociencia |
| Clasificación: |
519.5 |
| Resumen: |
Este volumen presenta una colección de contribuciones revisadas por pares que surgen de StartUp Research: una estimulante experiencia de investigación en la que veintiocho investigadores principiantes colaboraron con siete profesores internacionales de alto nivel para desarrollar métodos estadÃsticos novedosos para datos complejos de imágenes cerebrales. Durante esta reunión, que se celebró del 25 al 27 de junio de 2017 en Siena (Italia), los grupos de investigación se centraron en conjuntos de datos de imágenes multimodales recientes que miden la función y estructura del cerebro y propusieron una amplia variedad de métodos para análisis de redes, inferencia espacial y gráficos. modelado, pruebas múltiples, inferencia dinámica, fusión de datos, factorización tensorial, análisis orientado a objetos y otros. Los resultados de sus estudios se recogen aquÃ, junto con una contribución final de Michele Guindani y Marina Vannucci que abre nuevas direcciones de investigación en este campo. El libro ofrece un recurso valioso para todos los investigadores en ciencia de datos y neurociencia que estén interesados ​​en las prometedoras intersecciones de estas dos disciplinas fundamentales. |
| Nota de contenido: |
1 S. Ranciati et al, Understanding Dependency Patterns in Structural and Functional Brain Connectivity through fMRI and DTI Data -- 2 E. Aliverti et al, Hierarchical Graphical Model for Learning Functional Network Determinants -- 3 A. Cabassi et al, Three Testing Perspectives on Connectome Data -- 4 A. Cappozzo et al, An Object Oriented Approach to Multimodal Imaging Data in Neuroscience -- 5 G. Bertarelli et al, Curve Clustering for Brain Functional Activity and Synchronization -- 6 F. Gasperoni and A. Luati, Robust Methods for Detecting Spontaneous Activations in fMRI Data -- 7 A. Caponera et al, Hierarchical Spatio-Temporal Modeling of Resting State fMRI Data -- 8 M. Guindani and M. Vannucci, Challenges in the Analysis of Neuroscience Data. |
| Tipo de medio : |
Computadora |
| Summary : |
This volume presents a collection of peer-reviewed contributions arising from StartUp Research: a stimulating research experience in which twenty-eight early-career researchers collaborated with seven senior international professors in order to develop novel statistical methods for complex brain imaging data. During this meeting, which was held on June 25–27, 2017 in Siena (Italy), the research groups focused on recent multimodality imaging datasets measuring brain function and structure, and proposed a wide variety of methods for network analysis, spatial inference, graphical modeling, multiple testing, dynamic inference, data fusion, tensor factorization, object-oriented analysis and others. The results of their studies are gathered here, along with a final contribution by Michele Guindani and Marina Vannucci that opens new research directions in this field. The book offers a valuable resource for all researchers in Data Science and Neuroscience who are interested in the promising intersections of these two fundamental disciplines. |
| Enlace de acceso : |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
StartUp Research 2017, Siena, Italy, June 25–27 [documento electrónico] / Canale, Antonio, ; Durante, Daniele, ; Paci, Lucia, ; Scarpa, Bruno, . - 1 ed. . - [s.l.] : Springer, 2018 . - XI, 156 p. 62 ilustraciones, 26 ilustraciones en color. ISBN : 978-3-030-00039-4 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés ( eng)
| Palabras clave: |
EstadÃsticas BiometrÃa Neurociencias TeorÃa y métodos estadÃsticos. BioestadÃstica Neurociencia |
| Clasificación: |
519.5 |
| Resumen: |
Este volumen presenta una colección de contribuciones revisadas por pares que surgen de StartUp Research: una estimulante experiencia de investigación en la que veintiocho investigadores principiantes colaboraron con siete profesores internacionales de alto nivel para desarrollar métodos estadÃsticos novedosos para datos complejos de imágenes cerebrales. Durante esta reunión, que se celebró del 25 al 27 de junio de 2017 en Siena (Italia), los grupos de investigación se centraron en conjuntos de datos de imágenes multimodales recientes que miden la función y estructura del cerebro y propusieron una amplia variedad de métodos para análisis de redes, inferencia espacial y gráficos. modelado, pruebas múltiples, inferencia dinámica, fusión de datos, factorización tensorial, análisis orientado a objetos y otros. Los resultados de sus estudios se recogen aquÃ, junto con una contribución final de Michele Guindani y Marina Vannucci que abre nuevas direcciones de investigación en este campo. El libro ofrece un recurso valioso para todos los investigadores en ciencia de datos y neurociencia que estén interesados ​​en las prometedoras intersecciones de estas dos disciplinas fundamentales. |
| Nota de contenido: |
1 S. Ranciati et al, Understanding Dependency Patterns in Structural and Functional Brain Connectivity through fMRI and DTI Data -- 2 E. Aliverti et al, Hierarchical Graphical Model for Learning Functional Network Determinants -- 3 A. Cabassi et al, Three Testing Perspectives on Connectome Data -- 4 A. Cappozzo et al, An Object Oriented Approach to Multimodal Imaging Data in Neuroscience -- 5 G. Bertarelli et al, Curve Clustering for Brain Functional Activity and Synchronization -- 6 F. Gasperoni and A. Luati, Robust Methods for Detecting Spontaneous Activations in fMRI Data -- 7 A. Caponera et al, Hierarchical Spatio-Temporal Modeling of Resting State fMRI Data -- 8 M. Guindani and M. Vannucci, Challenges in the Analysis of Neuroscience Data. |
| Tipo de medio : |
Computadora |
| Summary : |
This volume presents a collection of peer-reviewed contributions arising from StartUp Research: a stimulating research experience in which twenty-eight early-career researchers collaborated with seven senior international professors in order to develop novel statistical methods for complex brain imaging data. During this meeting, which was held on June 25–27, 2017 in Siena (Italy), the research groups focused on recent multimodality imaging datasets measuring brain function and structure, and proposed a wide variety of methods for network analysis, spatial inference, graphical modeling, multiple testing, dynamic inference, data fusion, tensor factorization, object-oriented analysis and others. The results of their studies are gathered here, along with a final contribution by Michele Guindani and Marina Vannucci that opens new research directions in this field. The book offers a valuable resource for all researchers in Data Science and Neuroscience who are interested in the promising intersections of these two fundamental disciplines. |
| Enlace de acceso : |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
|  |
Crear una solicitud de compra Refinar búsquedaStartUp Research 2017, Siena, Italy, June 25–27 / Canale, Antonio ; Durante, Daniele ; Paci, Lucia ; Scarpa, Bruno
