Magnetic Resonance Brain Imaging: Modeling and Data Analysis Using R

این کتاب درباره مدل‌سازی و تجزیه و تحلیل داده‌های تصویربرداری تشدید مغناطیسی (MRI) به‌دست‌آمده از مغز انسان بحث می‌کند. خطوط لوله پردازش داده توصیف شده بر R تکیه دارند. این کتاب برای خوانندگان از دو جامعه در نظر گرفته شده است: آماردانانی که به تصویربرداری عصبی علاقه مند هستند و به دنبال مقدمه ای برای داده های به دست آمده و مشکلات علمی معمول در این زمینه هستند. و دانشجویان تصویربرداری عصبی که مایل به یادگیری در مورد مدل سازی آماری و تجزیه و تحلیل داده های MRI هستند. این کتاب با ارائه یک مقدمه عملی به این زمینه، بر روی آن مشکلاتی در تجزیه و تحلیل داده‌ها تمرکز می‌کند که پیاده‌سازی‌هایی در R در دسترس هستند. همچنین شامل نمونه های کاملاً کار شده است و به عنوان یک آموزش در مورد تجزیه و تحلیل MRI با R عمل می کند که خوانندگان می توانند اسکریپت های پردازش داده خود را از آن استخراج کنند.

کتاب با مقدمه‌ای کوتاه بر MRI شروع می‌شود و سپس فرآیند خواندن و نوشتن فرمت‌های رایج داده‌های تصویربرداری عصبی از جلسه R را بررسی می‌کند. فصول اصلی سه روش متداول تصویربرداری MR و مشکلات مدل‌سازی و تحلیل داده‌های آن‌ها را پوشش می‌دهند: MRI عملکردی، MRI انتشار، و نقشه‌برداری چند پارامتری. این کتاب با ضمائم توسعه یافته ارائه جزئیات آمارهای غیر پارامتریک استفاده شده و منابع داده های R و MRI به پایان می رسد. این کتاب همچنین به مسائل تکرارپذیری و موضوعاتی مانند سازماندهی و توصیف داده ها، و همچنین داده های باز و علوم باز می پردازد. این تنها به تولید گزارش پویا با knitr متکی است و از داده‌های تصویربرداری عصبی که به صورت عمومی در مخازن داده‌ها در دسترس است استفاده می‌کند. PDF با اجرای کد R در تکه‌ها و سپس اجرای LaTeX ایجاد شد، به این معنی که تقریباً تمام ارقام، اعداد و نتایج هنگام تولید PDF از منابع ایجاد شده‌اند.

This book discusses the modeling and analysis of magnetic resonance imaging (MRI) data acquired from the human brain. The data processing pipelines described rely on R. The book is intended for readers from two communities: Statisticians who are interested in neuroimaging and looking for an introduction to the acquired data and typical scientific problems in the field; and neuroimaging students wanting to learn about the statistical modeling and analysis of MRI data. Offering a practical introduction to the field, the book focuses on those problems in data analysis for which implementations within R are available. It also includes fully worked examples and as such serves as a tutorial on MRI analysis with R, from which the readers can derive their own data processing scripts.

The book starts with a short introduction to MRI and then examines the process of reading and writing common neuroimaging data formats to and from the R session. The main chapters cover three common MR imaging modalities and their data modeling and analysis problems: functional MRI, diffusion MRI, and Multi-Parameter Mapping. The book concludes with extended appendices providing details of the non-parametric statistics used and the resources for R and MRI data.The book also addresses the issues of reproducibility and topics like data organization and description, as well as open data and open science. It relies solely on a dynamic report generation with knitr and uses neuroimaging data publicly available in data repositories. The PDF was created executing the R code in the chunks and then running LaTeX, which means that almost all figures, numbers, and results were generated while producing the PDF from the sources.