Computational Diffusion MRI: MICCAI Workshop, Athens, Greece, October 2016

این جلد یک نقطه شروع ارزشمند برای هر کسی که علاقه مند به یادگیری MRI انتشار محاسباتی و روش های ریاضی برای اتصال مغز است، ارائه می دهد، در حالی که همچنین دیدگاه ها و بینش های جدیدی را در مورد آخرین چالش های تحقیقاتی برای کسانی که در حال حاضر در این زمینه کار می کنند به اشتراک می گذارد.</ p>

در طول دهه گذشته، علاقه به MRI انتشار عملاً افزایش یافته است. این تکنیک بینش‌های منحصربه‌فردی را در مورد ریزساختار بافت زنده ارائه می‌دهد و نقشه‌برداری ارتباط درون تنی مغز را امکان‌پذیر می‌سازد. تکنیک‌های محاسباتی کلید موفقیت مستمر و توسعه MRI انتشار و انتقال گسترده آن به کلینیک هستند، در حالی که روش‌های پردازش جدید برای پرداختن به مسائل در هر مرحله از خط لوله انتشار MRI ضروری هستند: اکتساب، بازسازی، مدل‌سازی و برازش مدل، تصویر. پردازش، ردیابی فیبر، نقشه اتصال، تجسم، مطالعات گروهی و استنتاج.

این مقالات از کارگاه MICCAI در سال 2016 "MRI انتشار محاسباتی" - که در نظر گرفته شده است تصویری از آخرین تحولات در داخل بسیار فعال ارائه کند. و زمینه رو به رشد انتشار MR - طیف گسترده ای از موضوعات را پوشش می دهد، از کار نظری بنیادی بر روی مدل سازی ریاضی تا توسعه و ارزیابی الگوریتم ها و کاربردهای قوی در مطالعات علوم اعصاب و عملکرد بالینی. مشارکت‌ها شامل مشتقات دقیق ریاضی، انبوهی از تجسم‌های غنی و تمام رنگی، و نتایج مرتبط بیولوژیکی یا بالینی است. به این ترتیب، آنها مورد توجه محققان و پزشکان در زمینه‌های علوم کامپیوتر، فیزیک MR و ریاضیات کاربردی خواهند بود.

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.