تصویربرداری MRI انتشاری محاسباتی: کارگاه MICCAI، آتن، یونان، اکتبر ۲۰۱۶ ۲۰۱۷
Computational Diffusion MRI: MICCAI Workshop, Athens, Greece, October 2016 2017

این جلد، نقطه شروع ارزشمندی را برای هر کسی که علاقه مند به یادگیری ام آرآی انتشاری محاسباتی و روش های ریاضی برای اتصال مغز است، ارائه می دهد و در عین حال، 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.

در طول دهه گذشته، علاقه به ام آرآی انتشاری به طور چشمگیری افزایش یافته است. این تکنیک، بینش های منحصربه فردی را در مورد ریزساختار بافت زنده ارائه می دهد و امکان نقشه برداری اتصال درون تنی مغز را فراهم می کند. تکنیک های محاسباتی، کلید موفقیت و توسعه مستمر ام آرآی انتشاری و انتقال گسترده آن به کلینیک هستند، در حالی که روش های پردازشی جدید برای رسیدگی به مسائل در هر مرحله از خط لوله ام آرآی انتشاری ضروری هستند: اکتساب، بازسازی، مدل سازی و برازش مدل، پردازش تصویر، ردیابی فیبر، نقشه برداری اتصال، تجسم، مطالعات گروهی و استنتاج.

این مقالات از کارگاه آموزشی MICCAI سال 2016 با عنوان “ام آرآی انتشاری محاسباتی” – که هدف آن ارائه تصویری از آخرین تحولات در حوزه بسیار فعال و رو به رشد ام آرآی انتشاری بود – طیف گسترده ای از موضوعات را پوشش می دهد، از کارهای نظری اساسی در زمینه مدل سازی ریاضی، تا توسعه و ارزیابی الگوریتم های قوی و کاربردها در مطالعات علوم اعصاب و عمل بالینی. این مشارکت ها شامل مشتقات ریاضی دقیق، انبوهی از تصاویر تمام رنگی غنی و نتایج مرتبط از نظر بیولوژیکی یا بالینی است. به این ترتیب، برای محققان و متخصصان در زمینه های علوم کامپیوتر، فیزیک ام آرآی و ریاضیات کاربردی مورد توجه خواهد 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.