ام آر آی محاسباتی انتشار: کارگاه MICCAI، مونیخ، آلمان، ۹ اکتبر ۲۰۱۵ ۲۰۱۶
Computational Diffusion MRI: MICCAI Workshop, Munich, Germany, October 9th, 2015 2016

این مجموعه مقالات کارگاه MICCAI سال 2015 با عنوان “تصویربرداری تشدیدی انتشار محاسباتی”، تصویری از آخرین دستاوردهای روز در طیف گسترده ای از موضوعات در حوزه ی فعال و رو به رشد تصویربرداری تشدیدی انتشار ارائه می دهد. موضوعات، از کارهای نظری بنیادین در زمینه مدل سازی ریاضی گرفته تا توسعه و ارزیابی الگوریتم های قوی، روش های محاسباتی جدید به کار رفته در داده های تصویربرداری رزونانس مغناطیسی انتشار، و کاربردها در مطالعات علوم اعصاب و عمل بالینی، متنوع است.

در دهه ی گذشته، علاقه مندی به تصویربرداری تشدیدی انتشار به طور چشمگیری افزایش یافته است. این تکنیک بینش های منحصربه فردی در مورد ریزساختار بافت زنده ارائه می دهد و امکان نقشه برداری از اتصالات مغز در بدن زنده را فراهم می سازد. تکنیک های محاسباتی نقشی کلیدی در موفقیت و توسعه ی مداوم تصویربرداری تشدیدی انتشار و انتقال گسترده ی آن به عمل بالینی ایفا می کنند. روش های پردازشی جدید برای پرداختن به مسائل در هر مرحله از خط لوله ی تصویربرداری تشدیدی انتشار ضروری هستند: کسب داده، بازسازی، مدل سازی و برازش مدل، پردازش تصویر، ردیابی فیبر، نقشه برداری اتصالات، تجسم سازی، مطالعات گروهی و استنباط.

این مجلد، که شامل مشتقات ریاضی دقیق و انبوهی از تجسم سازی های غنی و تمام رنگی و نتایج مرتبط از نظر بیولوژیکی یا بالینی است، نقطه ی شروع ارزشمندی برای هر کسی است که علاقه مند به یادگیری در مورد تصویربرداری تشدیدی انتشار محاسباتی و روش های ریاضی برای نقشه برداری از اتصالات مغز است، و همچنین دیدگاه ها و بینش های جدیدی در مورد چالش های تحقیقاتی جاری برای کسانی که در حال حاضر در این زمینه کار می کنند، ارائه می دهد. این مجموعه مورد توجه محققان و متخصصان در زمینه های علوم کامپیوتر، فیزیک ام آرآی و ریاضیات کاربردی خواهد بود.

These Proceedings of the 2015 MICCAI Workshop “Computational Diffusion MRI” offer a snapshot of the current state of the art on a broad range of topics within the highly active and growing field of diffusion MRI. The topics vary from fundamental theoretical work on mathematical modeling, to the development and evaluation of robust algorithms, new computational methods applied to diffusion magnetic resonance imaging data, and applications in neuroscientific studies and clinical practice.

Over the last decade interest in diffusion MRI has 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 clinical practice. New processing methods are essential for 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.

This volume, which includes both careful mathematical derivations and a wealth of rich, full-color visualizations and biologically or clinically relevant results, offers a valuable starting point for anyone interested in learning about computational diffusion MRI and mathematical methods for mapping brain connectivity, as well as new perspectives and insights on current research challenges for those currently working in the field. It will be of interest to researchers and practitioners in the fields of computer science, MR physics, and applied mathematics.​