Computational Diffusion MRI / Fuster, Andrea ; Ghosh, Aurobrata ; Kaden, Enrico ; Rathi, Yogesh ; Reisert, Marco  

Público ISBD Ningún comentario para este registro. Título : 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. Idioma : Inglés (eng) Palabras clave: Biomatemáticas  Visualización de información  Simulación por ordenador  Visión por computador  Biometría  Biología Matemática y Computacional  Visualización de datos e información  Modelado por computadora  Bioestadística Clasificación: 570.285 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 desafíos 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 clínica, 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 artículos 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 neurocientíficos y práctica clínica. Las contribuciones incluyen derivaciones matemáticas rigurosas, una gran cantidad de visualizaciones ricas a todo color y resultados biológica o clínicamente relevantes. Como tales, serán de interés para investigadores y profesionales en los campos de la informática, la física 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. Tipo de medio : Computadora Summary : This volume offers a valuable starting point for anyone interested in learning computational diffusion MRI and mathematical methods for brain connectivity, while also sharing new perspectives and insights on the latest research challenges for those currently working in the field. Over the last decade, interest in diffusion MRI has virtually exploded. The technique provides unique insights into the microstructure of living tissue and enables in-vivo connectivity mapping of the brain. Computational techniques are key to the continued success and development of diffusion MRI and to its widespread transfer into the clinic, while new processing methods are essential to addressing issues at each stage of the diffusion MRI pipeline: acquisition, reconstruction, modeling and model fitting, image processing, fiber tracking, connectivity mapping, visualization, group studies and inference. These papers from the 2016 MICCAI Workshop "Computational Diffusion MRI" – which was intended to provide a snapshot of the latest developments within the highly active and growing field of diffusion MR – cover a wide range of topics, from fundamental theoretical work on mathematical modeling, to the development and evaluation of robust algorithms and applications in neuroscientific studies and clinical practice. The contributions include rigorous mathematical derivations, a wealth of rich, full-color visualizations, and biologically or clinically relevant results. As such, they will be of interest to researchers and practitioners in the fields of computer science, MR physics, and applied mathematics. . 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. Idioma : Inglés (eng) Palabras clave: Biomatemáticas  Visualización de información  Simulación por ordenador  Visión por computador  Biometría  Biología Matemática y Computacional  Visualización de datos e información  Modelado por computadora  Bioestadística Clasificación: 570.285 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 desafíos 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 clínica, 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 artículos 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 neurocientíficos y práctica clínica. Las contribuciones incluyen derivaciones matemáticas rigurosas, una gran cantidad de visualizaciones ricas a todo color y resultados biológica o clínicamente relevantes. Como tales, serán de interés para investigadores y profesionales en los campos de la informática, la física 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. Tipo de medio : Computadora Summary : This volume offers a valuable starting point for anyone interested in learning computational diffusion MRI and mathematical methods for brain connectivity, while also sharing new perspectives and insights on the latest research challenges for those currently working in the field. Over the last decade, interest in diffusion MRI has virtually exploded. The technique provides unique insights into the microstructure of living tissue and enables in-vivo connectivity mapping of the brain. Computational techniques are key to the continued success and development of diffusion MRI and to its widespread transfer into the clinic, while new processing methods are essential to addressing issues at each stage of the diffusion MRI pipeline: acquisition, reconstruction, modeling and model fitting, image processing, fiber tracking, connectivity mapping, visualization, group studies and inference. These papers from the 2016 MICCAI Workshop "Computational Diffusion MRI" – which was intended to provide a snapshot of the latest developments within the highly active and growing field of diffusion MR – cover a wide range of topics, from fundamental theoretical work on mathematical modeling, to the development and evaluation of robust algorithms and applications in neuroscientific studies and clinical practice. The contributions include rigorous mathematical derivations, a wealth of rich, full-color visualizations, and biologically or clinically relevant results. As such, they will be of interest to researchers and practitioners in the fields of computer science, MR physics, and applied mathematics. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

Computational Diffusion MRI / Kaden, Enrico ; Grussu, Francesco ; Ning, Lipeng ; Tax, Chantal M. W. ; Veraart, Jelle  

Público ISBD Ningún comentario para este registro. Título : Computational Diffusion MRI : MICCAI Workshop, Québec, Canada, September 2017 Tipo de documento: documento electrónico Autores: Kaden, Enrico, ; Grussu, Francesco, ; Ning, Lipeng, ; Tax, Chantal M. W., ; Veraart, Jelle, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XI, 245 p. 82 ilustraciones, 69 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-73839-0 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: Biomatemáticas  Biometría  Matemáticas  Bioinformática  Visión por computador  Biología Matemática y Computacional  Bioestadística  Matemática Computacional y Análisis Numérico  Biología Computacional y de Sistemas Clasificación: 570.285 Resumen: Este volumen presenta los últimos avances en el campo altamente activo y de rápido crecimiento de la resonancia magnética de difusión. El lector encontrará numerosas contribuciones que cubren una amplia gama de temas, desde los fundamentos matemáticos del proceso de difusión y generación de señales, hasta nuevos métodos computacionales y técnicas de estimación para la recuperación in vivo de características microestructurales y de conectividad, así como aplicaciones de primera línea en investigación en neurociencia y práctica clínica. Estas actas contienen los artículos presentados en el Taller MICCAI de 2017 sobre resonancia magnética por difusión computacional (CDMRI''17), celebrado en Québec, Canadá, el 10 de septiembre de 2017, y comparten nuevas perspectivas sobre los desafíos de investigación más recientes para quienes trabajan actualmente en este campo, pero también ofreciendo un valioso punto de partida para cualquier persona interesada en aprender técnicas computacionales en resonancia magnética de difusión. Este libro incluye derivaciones matemáticas rigurosas, una gran cantidad de visualizaciones ricas y a todo color y resultados clínicamente relevantes. Como tal, será de interés para investigadores y profesionales en los campos de la informática, la física de resonancia magnética y las matemáticas aplicadas. Nota de contenido: Part I Data Acquisition and Modeling: Estimating Tissue Microstructure using Diffusion-Weighted Magnetic Resonance Spectroscopy of Brain Metabolites by Marco Palombo -- (k, q)-Compressed Sensing for dMRI with Joint Spatial-Angular Sparsity Prior by Evan Schwab et al -- Spatio-Temporal dMRI Acquisition Design: Reducing the Number of qÏ„ Samples Through a Relaxed Probabilistic Model by Patryk Filipiak et al -- A Generalized SMT-Based Framework for Diffusion MRI Microstructural Model Estimation by Mauro Zucchelli et al -- Part II Image Postprocessing: Diffusion Specific Segmentation: Skull Stripping with Diffusion MRIData Alone by Robert I. Reid et al -- Diffeomorphic Registration of Diffusion Mean Apparent Propagator Fields Using Dynamic Programming on a Minimum Spanning Tree by K´evin Ginsburger et al -- Diffusion Orientation Histograms (DOH) for Diffusion Weighted Image Analysis by Laurent Chauvin et al -- Part III Tractography and Connectivity: Learning aSingle Step of Streamline Tractography Based on Neural Networks by Daniel Jörgens et al -- Probabilistic Tractography for Complex Fiber Orientations with Automatic Model Selection by Edwin Versteeg et al -- Bundle-Specific Tractography by Francois Rheault et al -- A Sheet Probability Index from Diffusion Tensor Imaging by Michael Ankele et al -- Recovering Missing Connections in Diffusion Weighted MRI Using Matrix Completion by Chendi Wang et al -- Brain Parcellation and Connectivity Mapping Using Wasserstein Geometry by Hamza Farooq et al -- Exploiting Machine Learning Principles for Assessing the Fingerprinting Potential of Connectivity Features by Silvia Obertino et al -- Part IV Clinical Applications: Fiber-Flux Diffusion Density for White Matter Tracts Analysis: Application to Mild Anomalies Localization in Contact Sports Players by Itay Benou et al -- Longitudinal Analysis Framework of DWI Data for Reconstructing Structural Brain Networks with Application to MultipleSclerosis by Thalis Charalambous et al -- Multi-Modal Analysis of Genetically-Related Subjects Using SIFT Descriptors in Brain MRI by Kuldeep Kumar et al -- VERDICT Prostate Parameter Estimation with AMICO by Elisenda Bonet-Carne et al. Tipo de medio : Computadora Summary : This volume presents the latest developments in the highly active and rapidly growing field of diffusion MRI. The reader will find numerous contributions covering a broad range of topics, from the mathematical foundations of the diffusion process and signal generation, to new computational methods and estimation techniques for the in-vivo recovery of microstructural and connectivity features, as well as frontline applications in neuroscience research and clinical practice. These proceedings contain the papers presented at the 2017 MICCAI Workshop on Computational Diffusion MRI (CDMRI'17) held in Québec, Canada on September 10, 2017, sharing new perspectives on the most recent research challenges for those currently working in the field, but also offering a valuable starting point for anyone interested in learning computational techniques in diffusion MRI. This book includes rigorous mathematical derivations, a large number of rich, full-colour visualisations and clinically relevant results. As such, it will be of interest to researchers and practitioners in the fields of computer science, MRI physics and applied mathematics. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Computational Diffusion MRI : MICCAI Workshop, Québec, Canada, September 2017 [documento electrónico] / Kaden, Enrico, ; Grussu, Francesco, ; Ning, Lipeng, ; Tax, Chantal M. W., ; Veraart, Jelle,  . -  1 ed.  . - [s.l.] : Springer, 2018 . - XI, 245 p. 82 ilustraciones, 69 ilustraciones en color. ISBN : 978-3-319-73839-0 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: Biomatemáticas  Biometría  Matemáticas  Bioinformática  Visión por computador  Biología Matemática y Computacional  Bioestadística  Matemática Computacional y Análisis Numérico  Biología Computacional y de Sistemas Clasificación: 570.285 Resumen: Este volumen presenta los últimos avances en el campo altamente activo y de rápido crecimiento de la resonancia magnética de difusión. El lector encontrará numerosas contribuciones que cubren una amplia gama de temas, desde los fundamentos matemáticos del proceso de difusión y generación de señales, hasta nuevos métodos computacionales y técnicas de estimación para la recuperación in vivo de características microestructurales y de conectividad, así como aplicaciones de primera línea en investigación en neurociencia y práctica clínica. Estas actas contienen los artículos presentados en el Taller MICCAI de 2017 sobre resonancia magnética por difusión computacional (CDMRI''17), celebrado en Québec, Canadá, el 10 de septiembre de 2017, y comparten nuevas perspectivas sobre los desafíos de investigación más recientes para quienes trabajan actualmente en este campo, pero también ofreciendo un valioso punto de partida para cualquier persona interesada en aprender técnicas computacionales en resonancia magnética de difusión. Este libro incluye derivaciones matemáticas rigurosas, una gran cantidad de visualizaciones ricas y a todo color y resultados clínicamente relevantes. Como tal, será de interés para investigadores y profesionales en los campos de la informática, la física de resonancia magnética y las matemáticas aplicadas. Nota de contenido: Part I Data Acquisition and Modeling: Estimating Tissue Microstructure using Diffusion-Weighted Magnetic Resonance Spectroscopy of Brain Metabolites by Marco Palombo -- (k, q)-Compressed Sensing for dMRI with Joint Spatial-Angular Sparsity Prior by Evan Schwab et al -- Spatio-Temporal dMRI Acquisition Design: Reducing the Number of qÏ„ Samples Through a Relaxed Probabilistic Model by Patryk Filipiak et al -- A Generalized SMT-Based Framework for Diffusion MRI Microstructural Model Estimation by Mauro Zucchelli et al -- Part II Image Postprocessing: Diffusion Specific Segmentation: Skull Stripping with Diffusion MRIData Alone by Robert I. Reid et al -- Diffeomorphic Registration of Diffusion Mean Apparent Propagator Fields Using Dynamic Programming on a Minimum Spanning Tree by K´evin Ginsburger et al -- Diffusion Orientation Histograms (DOH) for Diffusion Weighted Image Analysis by Laurent Chauvin et al -- Part III Tractography and Connectivity: Learning aSingle Step of Streamline Tractography Based on Neural Networks by Daniel Jörgens et al -- Probabilistic Tractography for Complex Fiber Orientations with Automatic Model Selection by Edwin Versteeg et al -- Bundle-Specific Tractography by Francois Rheault et al -- A Sheet Probability Index from Diffusion Tensor Imaging by Michael Ankele et al -- Recovering Missing Connections in Diffusion Weighted MRI Using Matrix Completion by Chendi Wang et al -- Brain Parcellation and Connectivity Mapping Using Wasserstein Geometry by Hamza Farooq et al -- Exploiting Machine Learning Principles for Assessing the Fingerprinting Potential of Connectivity Features by Silvia Obertino et al -- Part IV Clinical Applications: Fiber-Flux Diffusion Density for White Matter Tracts Analysis: Application to Mild Anomalies Localization in Contact Sports Players by Itay Benou et al -- Longitudinal Analysis Framework of DWI Data for Reconstructing Structural Brain Networks with Application to MultipleSclerosis by Thalis Charalambous et al -- Multi-Modal Analysis of Genetically-Related Subjects Using SIFT Descriptors in Brain MRI by Kuldeep Kumar et al -- VERDICT Prostate Parameter Estimation with AMICO by Elisenda Bonet-Carne et al. Tipo de medio : Computadora Summary : This volume presents the latest developments in the highly active and rapidly growing field of diffusion MRI. The reader will find numerous contributions covering a broad range of topics, from the mathematical foundations of the diffusion process and signal generation, to new computational methods and estimation techniques for the in-vivo recovery of microstructural and connectivity features, as well as frontline applications in neuroscience research and clinical practice. These proceedings contain the papers presented at the 2017 MICCAI Workshop on Computational Diffusion MRI (CDMRI'17) held in Québec, Canada on September 10, 2017, sharing new perspectives on the most recent research challenges for those currently working in the field, but also offering a valuable starting point for anyone interested in learning computational techniques in diffusion MRI. This book includes rigorous mathematical derivations, a large number of rich, full-colour visualisations and clinically relevant results. As such, it will be of interest to researchers and practitioners in the fields of computer science, MRI physics and applied mathematics. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 2 / 2) Ver por página : 25 50 100 200