علم داده برای تصویربرداری عصبی ۲۰۲۳
Data Science for Neuroimaging 2023

با حرکت تصویربرداری عصبی به سمت کشف مبتنی بر داده‌های حجیم، محققان این حوزه باید یاد بگیرند که به مجموعه‌ داده‌ها در مقیاس‌های بی‌سابقه‌ای دسترسی پیدا کنند، آن‌ها را مدیریت و تحلیل نمایند. نگرانی‌ها در مورد تکرارپذیری و افزایش دقت در گزارش نتایج علمی نیز مستلزم استانداردهای بالاتری از عملکرد محاسباتی است. این کتاب به محققان تصویربرداری عصبی، مقدمه‌ای بر علم داده ارائه می‌دهد و روش‌ها، ابزارها و رویکردهایی را معرفی می‌کند که تجزیه و تحلیل و درک خودکار، تکرارپذیر و مقیاس‌پذیر داده‌ها را تسهیل می‌کنند. از طریق بررسی‌های عملی و گام به گام مجموعه‌ داده‌های تصویربرداری عصبی که به‌طور آزاد در دسترس هستند، کتاب عناصری از علم داده مانند برنامه‌نویسی، مدیریت داده، مصورسازی و یادگیری ماشین را توضیح داده و کاربرد آن‌ها را در تصویربرداری عصبی شرح می‌دهد. خوانندگان در پایان، مهارت‌های مرتبط با علم داده را کسب خواهند کرد که به راحتی می‌توانند آن‌ها را در سوالات تحقیقاتی خود به کار گیرند.

• پاسخگوی نیاز به منبعی معتبر در زمینه‌ی علم داده برای محققان تصویربرداری عصبی
• تاکید ویژه بر برنامه‌نویسی
• ارائه‌ی مثال‌های کدنویسی گسترده به زبان برنامه‌نویسی پایتون
• بهره‌گیری از مجموعه‌ داده‌های تصویربرداری عصبی که به‌طور آزاد در دسترس هستند برای مثال‌ها
• نگارش کامل در قالب دفترچه یادداشت Jupyter، به طوری که مثال‌های کدنویسی را می‌توان به عنوان بخشی از فرآیند یادگیری، اجرا، ویرایش و دوباره اجرا کرد.

Data science methods and tools—including programming, data management, visualization, and machine learning—and their application to neuroimaging research

As neuroimaging turns toward data-intensive discovery, researchers in the field must learn to access, manage, and analyze datasets at unprecedented scales. Concerns about reproducibility and increased rigor in reporting of scientific results also demand higher standards of computational practice. This book offers neuroimaging researchers an introduction to data science, presenting methods, tools, and approaches that facilitate automated, reproducible, and scalable analysis and understanding of data. Through guided, hands-on explorations of openly available neuroimaging datasets, the book explains such elements of data science as programming, data management, visualization, and machine learning, and describes their application to neuroimaging. Readers will come away with broadly relevant data science skills that they can easily translate to their own questions.

• Fills the need for an authoritative resource on data science for neuroimaging researchers
• Strong emphasis on programming
• Provides extensive code examples written in the Python programming language
• Draws on openly available neuroimaging datasets for examples
• Written entirely in the Jupyter notebook format, so the code examples can be executed, modified, and re-executed as part of the learning process