| TÃtulo : |
Computational Diffusion MRI : MICCAI Workshop, Athens, Greece, October 2016 |
| Tipo de documento: |
documento electrónico |
| Autores: |
Fuster, Andrea, ; Ghosh, Aurobrata, ; Kaden, Enrico, ; Rathi, Yogesh, ; Reisert, Marco, |
| Mención de edición: |
1 ed. |
| Editorial: |
[s.l.] : Springer |
| Fecha de publicación: |
2017 |
| Número de páginas: |
XI, 212 p. 70 ilustraciones, 66 ilustraciones en color. |
| ISBN/ISSN/DL: |
978-3-319-54130-3 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Biomatemáticas Visualización de información Simulación por ordenador Visión por computador BiometrÃa BiologÃa Matemática y Computacional Visualización de datos e información Modelado por computadora BioestadÃstica |
| Clasificación: |
|
| Resumen: |
Este volumen ofrece un valioso punto de partida para cualquier persona interesada en aprender resonancia magnética de difusión computacional y métodos matemáticos para la conectividad cerebral, al mismo tiempo que comparte nuevas perspectivas y conocimientos sobre los últimos desafÃos de investigación para quienes trabajan actualmente en este campo. Durante la última década, el interés por la resonancia magnética de difusión prácticamente se ha disparado. La técnica proporciona información única sobre la microestructura del tejido vivo y permite mapear la conectividad in vivo del cerebro. Las técnicas computacionales son clave para el éxito continuo y el desarrollo de la resonancia magnética por difusión y para su transferencia generalizada a la clÃnica, mientras que los nuevos métodos de procesamiento son esenciales para abordar problemas en cada etapa del proceso de resonancia magnética por difusión: adquisición, reconstrucción, modelado y ajuste del modelo, imagen. procesamiento, seguimiento de fibra, mapeo de conectividad, visualización, estudios grupales e inferencia. Estos artÃculos del taller MICCAI de 2016 "Computational Diffusion MRI", cuyo objetivo era proporcionar una instantánea de los últimos desarrollos dentro del campo altamente activo y creciente de la resonancia magnética por difusión, cubren una amplia gama de temas, desde trabajos teóricos fundamentales sobre modelado matemático, al desarrollo y evaluación de algoritmos robustos y aplicaciones en estudios neurocientÃficos y práctica clÃnica. Las contribuciones incluyen derivaciones matemáticas rigurosas, una gran cantidad de visualizaciones ricas a todo color y resultados biológica o clÃnicamente relevantes. Como tales, serán de interés para investigadores y profesionales en los campos de la informática, la fÃsica de resonancia magnética y las matemáticas aplicadas. . |
| Nota de contenido: |
The MR Physics of Advanced Diffusion Imaging: Matt Hall -- Noise Floor Removal via Phase Correction of Complex Diffusion-Weighted Images: Influence on DTI and q-Space Metrics: M. Pizzolato et al -- Regularized Dictionary Learning with Robust Sparsity Fitting for Compressed Sensing Multishell HARDI: K. Gupta et al -- Denoising Diffusion-Weighted Images Using Grouped Iterative Hard Thresholding of Multi-Channel Framelets: Jian Zhang et al -- Diffusion MRI Signal Augmentation – From Single Shell to Multi Shell with Deep Learning: S. Koppers et al -- Multi-Spherical Diffusion MRI: Exploring Diffusion Time Using Signal Sparsity: R.H.J. Fick et al -- Sensitivity of OGSE ActiveAx to Microstructural Dimensions on a Clinical Scanner: L.S. Kakkar et al -- Groupwise Structural Parcellation of the Cortex: A Sound Approach Based on Logistic Models: G. Gallardo et al -- Robust Construction of Diffusion MRI Atlases with Correction for Inter-Subject Fiber Dispersion: Z. Yang et al -- Parcellation of Human Amygdala Subfields Using Orientation Distribution Function and Spectral K-means Clustering: Q. Wen et al -- Sparse Representation for White Matter Fiber Compression and Calculation of Inter-Fiber Similarity: G. Zimmerman Moreno et al -- An Unsupervised Group Average Cortical Parcellation using Diffusion MRI to Probe Cytoarchitecture: T. Ganepola et al -- Using multiple Diffusion MRI Measures to Predict Alzheimer's Disease with a TV-L1 Prior: J.E. Villalon-Reina et al -- Accurate Diagnosis of SWEDD vs. Parkinson Using Microstructural Changes of Cingulum Bundle: Track-Specific Analysis: F. Rahmani et al -- Colocalization of Functional Activity and Neurite Density within Cortical Areas: A. Teillac et al -- Comparison of Biomarkers in Transgenic Alzheimer Rats Using Multi-shell Diffusion MRI: R.H.J. Fick -- Working Memory Function in Recent-onset Schizophrenia Patients Associated with White Matter Microstructure: Connectometry Approach: M. Dolatshahi et al. |
| Enlace de acceso : |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
Computational Diffusion MRI : MICCAI Workshop, Athens, Greece, October 2016 [documento electrónico] / Fuster, Andrea, ; Ghosh, Aurobrata, ; Kaden, Enrico, ; Rathi, Yogesh, ; Reisert, Marco, . - 1 ed. . - [s.l.] : Springer, 2017 . - XI, 212 p. 70 ilustraciones, 66 ilustraciones en color. ISBN : 978-3-319-54130-3 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Biomatemáticas Visualización de información Simulación por ordenador Visión por computador BiometrÃa BiologÃa Matemática y Computacional Visualización de datos e información Modelado por computadora BioestadÃstica |
| Clasificación: |
|
| Resumen: |
Este volumen ofrece un valioso punto de partida para cualquier persona interesada en aprender resonancia magnética de difusión computacional y métodos matemáticos para la conectividad cerebral, al mismo tiempo que comparte nuevas perspectivas y conocimientos sobre los últimos desafÃos de investigación para quienes trabajan actualmente en este campo. Durante la última década, el interés por la resonancia magnética de difusión prácticamente se ha disparado. La técnica proporciona información única sobre la microestructura del tejido vivo y permite mapear la conectividad in vivo del cerebro. Las técnicas computacionales son clave para el éxito continuo y el desarrollo de la resonancia magnética por difusión y para su transferencia generalizada a la clÃnica, mientras que los nuevos métodos de procesamiento son esenciales para abordar problemas en cada etapa del proceso de resonancia magnética por difusión: adquisición, reconstrucción, modelado y ajuste del modelo, imagen. procesamiento, seguimiento de fibra, mapeo de conectividad, visualización, estudios grupales e inferencia. Estos artÃculos del taller MICCAI de 2016 "Computational Diffusion MRI", cuyo objetivo era proporcionar una instantánea de los últimos desarrollos dentro del campo altamente activo y creciente de la resonancia magnética por difusión, cubren una amplia gama de temas, desde trabajos teóricos fundamentales sobre modelado matemático, al desarrollo y evaluación de algoritmos robustos y aplicaciones en estudios neurocientÃficos y práctica clÃnica. Las contribuciones incluyen derivaciones matemáticas rigurosas, una gran cantidad de visualizaciones ricas a todo color y resultados biológica o clÃnicamente relevantes. Como tales, serán de interés para investigadores y profesionales en los campos de la informática, la fÃsica de resonancia magnética y las matemáticas aplicadas. . |
| Nota de contenido: |
The MR Physics of Advanced Diffusion Imaging: Matt Hall -- Noise Floor Removal via Phase Correction of Complex Diffusion-Weighted Images: Influence on DTI and q-Space Metrics: M. Pizzolato et al -- Regularized Dictionary Learning with Robust Sparsity Fitting for Compressed Sensing Multishell HARDI: K. Gupta et al -- Denoising Diffusion-Weighted Images Using Grouped Iterative Hard Thresholding of Multi-Channel Framelets: Jian Zhang et al -- Diffusion MRI Signal Augmentation – From Single Shell to Multi Shell with Deep Learning: S. Koppers et al -- Multi-Spherical Diffusion MRI: Exploring Diffusion Time Using Signal Sparsity: R.H.J. Fick et al -- Sensitivity of OGSE ActiveAx to Microstructural Dimensions on a Clinical Scanner: L.S. Kakkar et al -- Groupwise Structural Parcellation of the Cortex: A Sound Approach Based on Logistic Models: G. Gallardo et al -- Robust Construction of Diffusion MRI Atlases with Correction for Inter-Subject Fiber Dispersion: Z. Yang et al -- Parcellation of Human Amygdala Subfields Using Orientation Distribution Function and Spectral K-means Clustering: Q. Wen et al -- Sparse Representation for White Matter Fiber Compression and Calculation of Inter-Fiber Similarity: G. Zimmerman Moreno et al -- An Unsupervised Group Average Cortical Parcellation using Diffusion MRI to Probe Cytoarchitecture: T. Ganepola et al -- Using multiple Diffusion MRI Measures to Predict Alzheimer's Disease with a TV-L1 Prior: J.E. Villalon-Reina et al -- Accurate Diagnosis of SWEDD vs. Parkinson Using Microstructural Changes of Cingulum Bundle: Track-Specific Analysis: F. Rahmani et al -- Colocalization of Functional Activity and Neurite Density within Cortical Areas: A. Teillac et al -- Comparison of Biomarkers in Transgenic Alzheimer Rats Using Multi-shell Diffusion MRI: R.H.J. Fick -- Working Memory Function in Recent-onset Schizophrenia Patients Associated with White Matter Microstructure: Connectometry Approach: M. Dolatshahi et al. |
| Enlace de acceso : |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
|  |
Crear una solicitud de compra Refinar búsquedaAnisotropy Across Fields and Scales / Özarslan, Evren ; Schultz, Thomas ; Zhang, Eugene ; Fuster, Andrea
