الحوسبة الطبية للصور

الموسوعة الحرة

الحوسبة الطبية التصويرية ( MIC ) هي استخدام الأساليب الحسابية والرياضية لحل المشكلات المتعلقة بالصور الطبية واستخدامها في البحوث الطبية الحيوية والرعاية السريرية. وهو مجال متعدد التخصصات يقع عند تقاطع علوم الحاسوب ، وهندسة المعلومات ، والهندسة الكهربائية ، والفيزياء، والرياضيات، والطب .

يتمثل الهدف الرئيسي لتقنية التصوير الطبي الحاسوبي (MIC) في استخلاص المعلومات أو المعارف ذات الصلة سريريًا من الصور الطبية. وعلى الرغم من ارتباطها الوثيق بمجال التصوير الطبي ، إلا أن تقنية التصوير الطبي الحاسوبي تركز على التحليل الحاسوبي للصور، وليس على عملية الحصول عليها. ويمكن تصنيف الطرق المستخدمة في هذه التقنية إلى عدة فئات رئيسية، منها: تجزئة الصور ، وتسجيل الصور، والنمذجة الفيزيولوجية القائمة على الصور، وغيرها. [ 1 ]

نماذج البيانات

تعتمد معالجة الصور الطبية عادةً على بيانات مُنتظمة التوزيع المكاني (xyz) بتباعد مكاني منتظم (صور ثنائية الأبعاد ومجسمات ثلاثية الأبعاد، ويُشار إليها عمومًا بالصور). عند كل نقطة عينة، تُمثَّل البيانات عادةً بصيغة عددية صحيحة ، مثل الأعداد الصحيحة القصيرة (16 بت) ذات الإشارة أو بدون إشارة، مع العلم أن الصيغ من نوع unsigned char (8 بت) إلى float (32 بت) شائعة أيضًا. يعتمد المعنى المحدد للبيانات عند نقطة العينة على نوع التصوير: على سبيل المثال، يجمع التصوير المقطعي المحوسب قيم الكثافة الإشعاعية، بينما قد يجمع التصوير بالرنين المغناطيسي صورًا مُثقَّلة بـ T1 أو T2 . قد تُلتقط عمليات التصوير الطولية المتغيرة مع الزمن صورًا بخطوات زمنية منتظمة أو لا. كما تُعد الصور المُشوَّهة الناتجة عن تقنيات مثل الموجات فوق الصوتية ذات المصفوفة المنحنية شائعة أيضًا، وتتطلب تقنيات تمثيل وخوارزميات مختلفة للمعالجة. تشمل أشكال البيانات الأخرى الصور المشوهة نتيجة ميل جهاز التصوير أثناء عملية التصوير. والشبكات غير المنظمة ، مثل الأشكال السداسية والرباعية الأوجه، والتي تستخدم في التحليل البيوميكانيكي المتقدم (على سبيل المثال، تشوه الأنسجة، والنقل الوعائي، وزرع العظام).

التجزئة

صورة رنين مغناطيسي مرجحة T1 لدماغ مريض مصاب بورم سحائي بعد حقن عامل تباين الرنين المغناطيسي (أعلى اليسار)، ونفس الصورة مع نتيجة تجزئة تفاعلية متراكبة باللون الأخضر (نموذج ثلاثي الأبعاد للتجزئة في أعلى اليمين، والمناظر المحورية والإكليلية في الأسفل).

التجزئة هي عملية تقسيم الصورة إلى أجزاء ذات دلالة مختلفة. في التصوير الطبي، غالبًا ما تُشير هذه الأجزاء إلى أنواع مختلفة من الأنسجة، أو الأعضاء ، أو الأمراض، أو غيرها من البنى ذات الأهمية البيولوجية. [ 2 ] تُعقّد عملية تجزئة الصور الطبية بسبب انخفاض التباين، والتشويش، وغيرها من عوامل الغموض في الصورة. على الرغم من وجود العديد من تقنيات رؤية الحاسوب لتجزئة الصور ، فقد تم تكييف بعضها خصيصًا لمعالجة الصور الطبية. فيما يلي عينة من التقنيات في هذا المجال؛ ويعتمد تطبيقها على خبرة الأطباء السريريين.

  • التجزئة القائمة على الأطلس : في العديد من التطبيقات، يستطيع الخبير السريري تصنيف عدة صور يدويًا؛ وتعتمد تجزئة الصور غير المرئية على استقراء البيانات من صور التدريب المصنفة يدويًا. تُعرف هذه الطرق عادةً باسم طرق التجزئة القائمة على الأطلس. تجمع طرق الأطلس البارامترية عادةً صور التدريب هذه في صورة أطلس واحدة، [ 3 ] بينما تستخدم طرق الأطلس غير البارامترية عادةً جميع صور التدريب بشكل منفصل. [ 4 ] تتطلب الطرق القائمة على الأطلس عادةً استخدام تسجيل الصور لمحاذاة صورة الأطلس أو صوره مع صورة جديدة غير مرئية.
  • التجزئة القائمة على الشكل : تعتمد العديد من الطرق على تحديد معلمات شكل نموذجي لبنية معينة، وغالبًا ما تعتمد على نقاط تحكم على طول الحدود. ثم يُشوَّه الشكل بأكمله ليطابق صورة جديدة. من أكثر تقنيات التجزئة القائمة على الشكل شيوعًا نماذج الشكل النشطة [ 5 ] ونماذج المظهر النشطة [ 6 ] . وقد كان لهذه الطرق تأثير كبير، وأدت إلى ظهور نماذج مماثلة [ 7 ] .
  • التجزئة القائمة على الصور : تقوم بعض الطرق بإنشاء قالب وتحسين شكله وفقًا لبيانات الصورة مع تقليل مقاييس الخطأ التكاملي، مثل نموذج المحيط النشط وتنوعاته. [ 8 ]
  • التجزئة التفاعلية : تُعدّ الطرق التفاعلية مفيدة عندما يُقدّم الأطباء بعض المعلومات، مثل منطقة مرجعية أو مخطط تقريبي للمنطقة المراد تجزئتها. ويمكن للخوارزمية حينها تحسين هذه التجزئة بشكل متكرر، سواءً بتوجيه من الطبيب أو بدونه. ولا تزال التجزئة اليدوية، باستخدام أدوات مثل فرشاة الرسم لتحديد نوع نسيج كل بكسل بدقة، هي المعيار الذهبي للعديد من تطبيقات التصوير. وقد أُدمجت مؤخرًا مبادئ من نظرية التحكم بالتغذية الراجعة في التجزئة، مما يمنح المستخدم مرونة أكبر ويسمح بالتصحيح التلقائي للأخطاء. [ 9 ]
  • تجزئة السطح الذاتية: تعتمد هذه الطريقة على فكرة تطور دالة التجزئة التي تخضع لنموذج الانتشار والتحرك. [ 10 ] لتجزئة جسم ما، يلزم وجود بذرة تجزئة (أي نقطة البداية التي تحدد الموضع التقريبي للجسم في الصورة). وبناءً على ذلك، يتم إنشاء دالة تجزئة أولية. وتكمن الفكرة وراء طريقة السطح الذاتية [ 11 ] [ 12 ] [ 13 ] في أن موضع البذرة هو العامل الرئيسي الذي يحدد شكل دالة التجزئة هذه.
  • الشبكات العصبية الالتفافية (CNNs): تحسّن أداء التجزئة الآلية بالكامل بمساعدة الحاسوب بفضل تطور نماذج التعلّم الآلي. وقد ساهمت النماذج القائمة على الشبكات العصبية الالتفافية، مثل SegNet [ 14 ] وUNet [ 15 ] وResNet [ 16 ] و AATSN [ 17 ] و Transformers [ 18 ] وGANs [ 19 ] ، في تسريع عملية التجزئة. وفي المستقبل، قد تحلّ هذه النماذج محلّ التجزئة اليدوية نظرًا لأدائها وسرعتها الفائقة.

توجد تصنيفات أخرى لأساليب تجزئة الصور مشابهة للفئات المذكورة أعلاه. ويمكن تصنيف مجموعة أخرى، تعتمد على دمج عدة أساليب، على أنها "هجينة". [ 20 ]

تسجيل

صورة مقطعية محوسبة (يسار)، صورة مقطعية بالإصدار البوزيتروني (وسط)، وتراكب كلتيهما (يمين) بعد التسجيل الصحيح

تسجيل الصور هو عملية تبحث عن المحاذاة الصحيحة للصور. [ 21 ] [ 22 ] [ 23 ] [ 24 ] في أبسط الحالات، تتم محاذاة صورتين. عادةً، تُعامل إحدى الصورتين كصورة الهدف والأخرى كصورة المصدر؛ حيث تُحوّل صورة المصدر لتطابق صورة الهدف. تُحدّث عملية التحسين تحويل صورة المصدر بناءً على قيمة تشابه تُقيّم جودة المحاذاة الحالية. تُكرّر هذه العملية التكرارية حتى يتم العثور على قيمة مثلى (محلية). مثال على ذلك هو تسجيل صور الأشعة المقطعية (CT) والتصوير المقطعي بالإصدار البوزيتروني ( PET) لدمج المعلومات الهيكلية والأيضية (انظر الشكل).

تُستخدم تقنية تسجيل الصور في مجموعة متنوعة من التطبيقات الطبية:

  • دراسة التغيرات الزمنية. تُجرى الدراسات الطولية على مدى عدة أشهر أو سنوات لدراسة العمليات طويلة الأمد، مثل تطور الأمراض. أما السلاسل الزمنية فتُمثل الصور الملتقطة خلال جلسة واحدة (ثوانٍ أو دقائق). ويمكن استخدامها لدراسة العمليات الإدراكية، وتشوهات القلب، والتنفس.
  • دمج المعلومات التكميلية من تقنيات التصوير المختلفة . ومن الأمثلة على ذلك دمج المعلومات التشريحية والوظيفية. ونظرًا لاختلاف حجم وشكل التراكيب بين تقنيات التصوير المختلفة، يصبح تقييم جودة المحاذاة أكثر صعوبة. وقد أدى ذلك إلى استخدام مقاييس التشابه مثل المعلومات المتبادلة . [ 25 ]
  • توصيف مجموعة من الأفراد. على عكس التسجيل داخل الفرد الواحد، قد لا توجد مطابقة تامة بين الأفراد، وذلك تبعًا للاختلافات البنيوية في العضو محل الدراسة. يُعدّ التسجيل بين الأفراد ضروريًا لبناء الأطلس في علم التشريح الحاسوبي . [ 26 ] والهدف هنا هو نمذجة تشريح الأعضاء إحصائيًا عبر الأفراد.
  • الجراحة بمساعدة الحاسوب . في الجراحة بمساعدة الحاسوب، يتم تسجيل الصور قبل الجراحة مثل التصوير المقطعي المحوسب أو التصوير بالرنين المغناطيسي مع الصور أثناء الجراحة أو أنظمة التتبع لتسهيل توجيه الصور أو الملاحة.

هناك عدة اعتبارات مهمة عند إجراء عملية تسجيل الصور:

  • نموذج التحويل . تشمل الخيارات الشائعة نماذج التحويل الصلبة ، والتحويل الأفيني ، والتحويل المرن . تُستخدم نماذج B-spline ونماذج الصفائح الرقيقة عادةً لحقول التحويل المُعَلمة. تحمل حقول التشوه غير المُعَلمة أو الكثيفة متجه إزاحة عند كل موقع شبكي؛ وهذا يستلزم قيود تنظيم إضافية . فئة محددة من حقول التشوه هي التحويلات التفاضلية ، وهي تحويلات قابلة للعكس ذات معكوس سلس.
  • مقياس التشابه. تُستخدم دالة المسافة أو التشابه لتقييم جودة التسجيل. يمكن حساب هذا التشابه إما على الصور الأصلية أو على الميزات المستخرجة منها. من مقاييس التشابه الشائعة: مجموع مربعات المسافات (SSD)، ومعامل الارتباط ، والمعلومات المتبادلة. يعتمد اختيار مقياس التشابه على ما إذا كانت الصور من نفس النمط التصويري؛ كما أن ضوضاء التصوير قد تؤثر في هذا الاختيار. على سبيل المثال، يُعد مجموع مربعات المسافات (SSD) المقياس الأمثل للتشابه بين صور النمط التصويري نفسه مع ضوضاء غاوسية . [ 27 ] مع ذلك، تختلف إحصائيات الصور في الموجات فوق الصوتية اختلافًا كبيرًا عن الضوضاء الغاوسية، مما أدى إلى استحداث مقاييس تشابه خاصة بالموجات فوق الصوتية. [ 28 ] يتطلب التسجيل متعدد الأنماط مقياس تشابه أكثر تطورًا؛ أو بدلاً من ذلك، يمكن استخدام تمثيل مختلف للصورة، مثل التمثيلات الهيكلية [ 29 ] أو تسجيل التشريح المجاور. [ 30 ] [ 31 ] استخدمت دراسة أجريت عام 2020 [ 32 ] الترميز التبايني لتعلم تمثيلات صورية مشتركة وكثيفة، تُعرف باسم تمثيلات الصور متعددة الوسائط التباينية (CoMIRs)، مما مكّن من تسجيل الصور متعددة الوسائط حيث تفشل طرق التسجيل الحالية غالبًا بسبب نقص هياكل الصور المتشابهة بشكل كافٍ. وقد اختزلت هذه الدراسة مشكلة التسجيل متعدد الوسائط إلى مشكلة أحادية الوسائط، حيث يمكن تطبيق خوارزميات التسجيل العامة القائمة على الكثافة، بالإضافة إلى خوارزميات التسجيل القائمة على الميزات.
  • إجراء التحسين . يتم تنفيذ التحسين إما بشكل مستمر أو منفصل . بالنسبة للتحسين المستمر، تُطبق تقنيات التحسين القائمة على التدرج لتحسين سرعة التقارب.

التصور

عرض ثلاثي الأبعاد (يسار)، ومقطع عرضي محوري (أعلى اليمين)، ومقطع عرضي سهمي (أسفل اليمين) لصورة مقطعية محوسبة لمريض يعاني من آفات عقدية متعددة (خط أبيض) في الرئة

يلعب التصوير المرئي أدوارًا محورية في الحوسبة الطبية للصور. تُستخدم أساليب التصوير المرئي العلمي لفهم الصور الطبية، ذات الطبيعة المكانية والزمانية، والتواصل بشأنها. كما يُستخدم تصوير البيانات وتحليلها على أشكال البيانات غير المهيكلة ، على سبيل المثال عند تقييم المقاييس الإحصائية المُستمدة أثناء المعالجة الخوارزمية. ويُعدّ التفاعل المباشر مع البيانات، وهو سمة أساسية في عملية التصوير المرئي، وسيلةً لإجراء استعلامات مرئية حول البيانات، وإضافة تعليقات توضيحية للصور، وتوجيه عمليات التجزئة والتسجيل، والتحكم في التمثيل المرئي للبيانات (عن طريق التحكم في خصائص الإضاءة والعرض ومعايير العرض). ويُستخدم التصوير المرئي في كلٍّ من الاستكشاف الأولي وعرض النتائج الوسيطة والنهائية للتحليلات.

يوضح الشكل "تصوير الصور الطبية" عدة أنواع من التصوير: 1. عرض المقاطع العرضية كصور رمادية؛ 2. إعادة تنسيق الصور الرمادية (يختلف اتجاه المقطع السهمي في هذا المثال عن اتجاه التقاط الصورة الأصلي)؛ 3. عرض ثلاثي الأبعاد لنفس البيانات. تظهر الآفة العقدية بوضوح في العروض المختلفة، وقد تم تمييزها بخط أبيض.

الأطالس

تختلف الصور الطبية اختلافًا كبيرًا بين الأفراد نظرًا لاختلاف أشكال وأحجام أعضائهم. لذا، يُعدّ تمثيل الصور الطبية بما يُراعي هذا التباين أمرًا بالغ الأهمية. ومن الأساليب الشائعة لتمثيل الصور الطبية استخدام أطلس واحد أو أكثر. ويُقصد بالأطلس هنا نموذجًا مُحددًا لمجموعة من الصور، بمعايير مُستمدة من مجموعة بيانات تدريبية. [ 33 ] [ 34 ]

أبسط مثال على الأطلس هو صورة متوسط ​​الكثافة، والتي تُعرف عادةً باسم القالب. مع ذلك، يمكن أن يتضمن الأطلس معلومات أكثر ثراءً، مثل إحصائيات الصورة المحلية واحتمالية وجود تصنيف معين لموقع مكاني محدد. يمكن ربط الصور الطبية الجديدة، التي لا تُستخدم أثناء التدريب، بأطلس مُصمم خصيصًا لتطبيق معين، مثل تجزئة الصور وتحليل المجموعات . تتضمن عملية ربط الصورة بالأطلس عادةً تسجيل الصورة والأطلس. يمكن استخدام هذا التعديل لمعالجة التباين في الصور الطبية.

قالب واحد

أبسط الطرق هي نمذجة الصور الطبية كنسخ مشوهة من صورة نموذجية واحدة. على سبيل المثال، غالبًا ما تُطابق صور الرنين المغناطيسي التشريحية للدماغ مع نموذج MNI [ 35 ] لتمثيل جميع صور الدماغ بإحداثيات مشتركة. يتمثل العيب الرئيسي لنهج النموذج الواحد في أنه إذا كانت هناك اختلافات كبيرة بين النموذج وصورة اختبار معينة، فقد لا تكون هناك طريقة جيدة لمطابقة إحداهما مع الأخرى. على سبيل المثال، قد لا تُطابق صورة الرنين المغناطيسي التشريحية لدماغ مريض يعاني من تشوهات دماغية حادة (مثل ورم أو إجراء جراحي) بسهولة مع نموذج MNI.

قوالب متعددة

بدلاً من الاعتماد على قالب واحد، يمكن استخدام قوالب متعددة. الفكرة هي تمثيل الصورة كنسخة مشوهة من أحد هذه القوالب. على سبيل المثال، يمكن أن يكون هناك قالب واحد لمجموعة سكانية سليمة وآخر لمجموعة سكانية مريضة. مع ذلك، في العديد من التطبيقات، لا يتضح عدد القوالب المطلوبة. إحدى الطرق البسيطة، وإن كانت مكلفة حسابيًا، للتعامل مع هذه المشكلة هي جعل كل صورة في مجموعة بيانات التدريب صورة قالب، وبالتالي تتم مقارنة كل صورة جديدة يتم مواجهتها بكل صورة في مجموعة بيانات التدريب. أما النهج الأحدث فيحدد عدد القوالب المطلوبة تلقائيًا. [ 36 ]

التحليل الإحصائي

تجمع الأساليب الإحصائية بين مجال التصوير الطبي وتقنيات رؤية الحاسوب الحديثة ، والتعلم الآلي ، والتعرف على الأنماط . خلال العقد الماضي، أُتيحت العديد من مجموعات البيانات الضخمة للعموم (انظر على سبيل المثال مشروع ADNI، ومشروع 1000 Connectomes الوظيفي)، ويعود ذلك جزئيًا إلى التعاون بين مختلف المعاهد ومراكز الأبحاث. هذه الزيادة في حجم البيانات تستدعي خوارزميات جديدة قادرة على استخراج البيانات واكتشاف التغيرات الدقيقة في الصور للإجابة على التساؤلات السريرية. تتسم هذه التساؤلات السريرية بتنوعها الكبير، وتشمل تحليل المجموعات، والمؤشرات الحيوية التصويرية، وتصنيف الأمراض، والدراسات الطولية.

تحليل المجموعة

في تحليل المجموعات، يهدف البحث إلى الكشف عن التشوهات الناجمة عن مرض ما وتحديد كميتها، وذلك بمقارنة صور مجموعتين أو أكثر. عادةً ما تتكون إحدى هاتين المجموعتين من أفراد أصحاء (مجموعة الضبط)، بينما تتكون الأخرى من مرضى مصابين بأمراض. قد يظهر التباين الناتج عن المرض على شكل تشوه غير طبيعي في البنية التشريحية (انظر قياس التشكل المعتمد على الفوكسل ). على سبيل المثال، قد يرتبط انكماش الأنسجة تحت القشرية، كالحصين في الدماغ ، بمرض الزهايمر . بالإضافة إلى ذلك، يمكن رصد التغيرات في النشاط الكيميائي الحيوي (الوظيفي) باستخدام تقنيات التصوير، مثل التصوير المقطعي بالإصدار البوزيتروني .

تُجرى المقارنة بين المجموعات عادةً على مستوى الفوكسل . ولذلك، فإنّ أكثر طرق المعالجة المسبقة شيوعًا، لا سيما في التصوير العصبي ، تحوّل جميع الصور في مجموعة البيانات إلى إطار إحداثيات مشترك عبر تسجيل الصور الطبية للحفاظ على التطابق بين الفوكسلات. ونظرًا لهذا التطابق على مستوى الفوكسل، فإنّ الطريقة الإحصائية الأكثر شيوعًا هي استخراج إحصائية لكل فوكسل (على سبيل المثال، متوسط ​​شدة الفوكسل لكل مجموعة) وإجراء اختبار الفرضيات الإحصائية لتقييم ما إذا كانت الفرضية الصفرية مدعومة أم لا. تفترض الفرضية الصفرية عادةً أن المجموعتين مأخوذتان من نفس التوزيع، وبالتالي، يجب أن يكون لهما نفس الخصائص الإحصائية (على سبيل المثال، القيم المتوسطة للمجموعتين متساوية لفوكسل معين). نظرًا لاحتواء الصور الطبية على أعداد كبيرة من الفوكسلات، يجب معالجة مشكلة المقارنات المتعددة . [ 37 ] [ 38 ] توجد أيضًا مناهج بايزية لمعالجة مشكلة تحليل المجموعات. [ 39 ]

تصنيف

على الرغم من أن تحليل المجموعات يُمكنه تحديد التأثيرات العامة للمرض على التشريح والوظيفة، إلا أنه لا يُوفر قياسات على مستوى الفرد، وبالتالي لا يُمكن استخدامه كمؤشرات حيوية للتشخيص ( انظر: المؤشرات الحيوية التصويرية ). من جهة أخرى، يهتم الأطباء عادةً بالتشخيص المبكر للمرض (أي التصنيف، [ 40 ] [ 41 ] ) وبمعرفة تطور المرض (أي التراجع [ 42 ] ). من الناحية المنهجية، تتنوع التقنيات الحالية بين تطبيق خوارزميات التعلم الآلي القياسية على مجموعات بيانات التصوير الطبي (مثل آلة المتجهات الداعمة [ 43 ] )، وتطوير مناهج جديدة مُكيّفة لاحتياجات هذا المجال. [ 44 ] وتتلخص الصعوبات الرئيسية فيما يلي:

  • صغر حجم العينة ( لعنة الأبعاد ): تحتوي مجموعة بيانات التصوير الطبي الكبيرة على مئات إلى آلاف الصور، بينما قد يتجاوز عدد وحدات البكسل ثلاثية الأبعاد (فوكسل) في الصورة الحجمية النموذجية الملايين بسهولة. يتمثل أحد حلول هذه المشكلة في تقليل عدد الميزات ذات الدلالة المعلوماتية (انظر تقليل الأبعاد ). وقد طُرحت عدة مناهج غير مُشرفة وشبه مُشرفة/مُشرفة [ 44 ] [ 45 ] [ 46 ] [ 47 ] لمعالجة هذه المشكلة.
  • قابلية التفسير: لا تُعدّ دقة التعميم الجيدة الهدف الأساسي دائمًا، إذ يرغب الأطباء في فهم أيّ أجزاء التشريح تتأثر بالمرض. لذا، تُعدّ قابلية تفسير النتائج بالغة الأهمية؛ ولا تُفضّل الطرق التي تتجاهل بنية الصورة. وقد اقتُرحت طرق بديلة تعتمد على اختيار الميزات . [ 45 ] [ 46 ] [ 47 ] [ 48 ]

التجميع

تفترض أساليب تصنيف الأنماط القائمة على الصور عادةً أن التأثيرات العصبية للمرض متميزة ومحددة بدقة. لكن هذا ليس صحيحًا دائمًا. ففي العديد من الحالات الطبية، تتسم مجموعات المرضى بتنوع كبير، ولم يتم بعد وضع تصنيف فرعي لها. إضافةً إلى ذلك، يمكن وصف بعض الأمراض (مثل اضطراب طيف التوحد ، والفصام ، والضعف الإدراكي البسيط) بتدرج متصل أو شبه متصل، بدءًا من الضعف الإدراكي البسيط وصولًا إلى تغيرات مرضية شديدة الوضوح. ولتسهيل تحليل الاضطرابات المتنوعة باستخدام الصور، طُوّرت بدائل منهجية لتصنيف الأنماط. تستعير هذه التقنيات أفكارًا من التجميع عالي الأبعاد [ 49 ] وانحدار الأنماط عالي الأبعاد لتجميع مجموعة معينة من المرضى في مجموعات فرعية متجانسة. والهدف هو توفير فهم كمي أفضل للمرض داخل كل مجموعة فرعية.

تحليل الشكل

تحليل الشكل هو أحد مجالات الحوسبة الطبية للصور، ويدرس الخصائص الهندسية للهياكل المُستقاة من تقنيات التصوير المختلفة . وقد ازداد الاهتمام بتحليل الشكل مؤخرًا في الأوساط الطبية نظرًا لقدرته على تحديد التغيرات المورفولوجية بدقة بين مختلف أنواع الهياكل، كالهياكل السليمة والمريضة، والذكور والإناث، والشباب وكبار السن. يتضمن تحليل الشكل خطوتين رئيسيتين: مطابقة الأشكال والتحليل الإحصائي.

  • تُعدّ مطابقة الأشكال منهجيةً لحساب المواقع المتطابقة بين الأشكال الهندسية المُمثلة بشبكات مثلثية، أو خطوط محيطية، أو مجموعات نقاط، أو صور ثلاثية الأبعاد. ومن البديهي أن تعريف التطابق يؤثر بشكل مباشر على التحليل. ومن بين الخيارات المختلفة لأطر التطابق: التطابق التشريحي، والمعالم اليدوية، والتطابق الوظيفي (أي في قياسات شكل الدماغ، تحديد الموقع المسؤول عن نفس الوظيفة العصبية)، والتطابق الهندسي، وتشابه الشدة (بالنسبة للصور ثلاثية الأبعاد)، وغيرها. بعض المناهج، مثل تحليل الشكل الطيفي، لا تتطلب التطابق، بل تُقارن مُعرّفات الشكل مباشرةً.
  • سيوفر التحليل الإحصائي قياسات للتغير الهيكلي في المواقع المقابلة.

الدراسات الطولية

في الدراسات الطولية، يتم تصوير الشخص نفسه بشكل متكرر. ويمكن دمج هذه المعلومات في تحليل الصور ، وكذلك في النمذجة الإحصائية.

  • في معالجة الصور الطولية، تُستند طرق تجزئة وتحليل نقاط زمنية فردية إلى معلومات مشتركة، عادةً من نموذج خاص بكل فرد، وتُضبط وفقًا لها. يهدف هذا الضبط إلى تقليل ضوضاء القياس، مما يُسهم في زيادة الحساسية والقوة الإحصائية. في الوقت نفسه، يجب تجنب الإفراط في الضبط، لضمان استقرار أحجام التأثير. على سبيل المثال، قد يؤدي الضبط المكثف إلى موثوقية ممتازة في إعادة الاختبار، ولكنه يُحد من القدرة على رصد أي تغييرات أو اختلافات حقيقية بين المجموعات. غالبًا ما يكون من الضروري إيجاد حل وسط يُحسّن من تقليل الضوضاء على حساب فقدان محدود في حجم التأثير. من التحديات الشائعة الأخرى في معالجة الصور الطولية، إدخال تحيز في المعالجة، غالبًا بشكل غير مقصود. فعندما تُسجّل صور المتابعة، على سبيل المثال، وتُعاد معاينتها مع صورة خط الأساس، تظهر تشوهات ناتجة عن الاستيفاء في صور المتابعة فقط، وليس في صورة خط الأساس. قد تُسبب هذه التشوهات تأثيرات زائفة (عادةً ما يكون ذلك تحيزًا نحو المبالغة في تقدير التغير الطولي، وبالتالي التقليل من حجم العينة المطلوب). لذلك من الضروري أن يتم التعامل مع جميع النقاط الزمنية بنفس الطريقة تمامًا لتجنب أي تحيز في المعالجة.
  • تتطلب المعالجة اللاحقة والتحليل الإحصائي للبيانات الطولية عادةً أدوات إحصائية متخصصة، مثل تحليل التباين للقياسات المتكررة أو نماذج التأثيرات المختلطة الخطية الأكثر قوة. إضافةً إلى ذلك، من المفيد مراعاة التوزيع المكاني للإشارة. على سبيل المثال، تُظهر قياسات سُمك القشرة الدماغية ارتباطًا داخل الفرد الواحد عبر الزمن، وكذلك ضمن منطقة محددة على سطح القشرة الدماغية، وهي حقيقة يمكن استغلالها لزيادة القوة الإحصائية. علاوة على ذلك، يُستخدم تحليل البقاء (أو تحليل زمن البقاء) بشكل متكرر لتحليل البيانات الطولية وتحديد المؤشرات الهامة.

النمذجة الفيزيولوجية القائمة على الصور

تقليديًا، يُنظر إلى الحوسبة الطبية التصويرية على أنها تُعنى بقياس ودمج المعلومات الهيكلية أو الوظيفية المتاحة في لحظة التقاط الصورة. وفي هذا السياق، يمكن اعتبارها استشعارًا كميًا للعمليات التشريحية أو الفيزيائية أو الفيزيولوجية الكامنة. مع ذلك، شهدت السنوات الأخيرة اهتمامًا متزايدًا بالتقييم التنبؤي لمسار المرض أو العلاج. وبالتالي، يُمكن للنمذجة القائمة على الصور، سواء كانت ذات طبيعة ميكانيكية حيوية أو فيزيولوجية، أن تُوسع نطاق إمكانيات الحوسبة التصويرية من منظور وصفي إلى منظور تنبؤي.

وفقًا لخارطة طريق أبحاث STEP، [ 50 ] [ 51 ] يُعدّ الإنسان الفيزيولوجي الافتراضي ( VPH) إطارًا منهجيًا وتقنيًا، سيمكّن، بمجرد إنشائه، من دراسة جسم الإنسان كنظام معقد واحد . ويدعم الاتحاد الدولي للعلوم الفيزيولوجية (IUPS) مشروع IUPS Physiome منذ أكثر من عقد، [ 52 ] [ 53 ] وهو جهد عالمي مفتوح المصدر لتوفير إطار حاسوبي لفهم وظائف الأعضاء البشرية. ويهدف إلى تطوير نماذج تكاملية على جميع مستويات التنظيم البيولوجي، من الجينات إلى الكائنات الحية بأكملها، عبر شبكات تنظيم الجينات، ومسارات البروتين، ووظائف الخلايا التكاملية، وعلاقات بنية/وظيفة الأنسجة والأعضاء. ويهدف هذا النهج إلى إحداث نقلة نوعية في الممارسات الطبية الحالية، ويرسي دعائم عصر جديد من الطب الحاسوبي. [ 54 ]

في هذا السياق، يكتسب التصوير الطبي والحوسبة التصويرية أهمية متزايدة، إذ يوفران أنظمة وأساليب لتصوير وقياس ودمج المعلومات الهيكلية والوظيفية المتعلقة بالإنسان الحي. يشمل هذان المجالان البحثيان الواسعان تحويل النماذج الحاسوبية العامة لتمثيل حالات محددة، مما يمهد الطريق لنماذج حاسوبية شخصية. [ 55 ] ويمكن تحقيق تخصيص النماذج الحاسوبية العامة من خلال التصوير في ثلاثة اتجاهات متكاملة:

  • تعريف المجال الحسابي الخاص بالموضوع (علم التشريح) والمجالات الفرعية ذات الصلة (أنواع الأنسجة)؛
  • تحديد الشروط الحدية والابتدائية من التصوير (الديناميكي و/أو الوظيفي)؛ و
  • توصيف الخصائص الهيكلية والوظيفية للأنسجة.

بالإضافة إلى ذلك، يلعب التصوير دورًا محوريًا في تقييم هذه النماذج والتحقق من صحتها، سواءً في البشر أو في النماذج الحيوانية، وفي تطبيقها سريريًا لأغراض تشخيصية وعلاجية. وفي هذا السياق، يوفر التصوير الجزيئي والبيولوجي وما قبل السريري بيانات إضافية وفهمًا أعمق للبنية والوظيفة الأساسية للجزيئات والخلايا والأنسجة والنماذج الحيوانية، والتي يمكن تطبيقها على وظائف الأعضاء البشرية عند الاقتضاء.

تطبيقات نماذج التصوير الفيزيولوجي/الفيزيومي القائمة على الصور واسعة النطاق في المجالات الأساسية والسريرية. وبشكل عام، تُبشّر هذه النماذج بأن تصبح تقنيات تصوير افتراضية جديدة . وبالتالي، سيتم تصوير العديد من المعايير، التي غالبًا ما تكون غير قابلة للملاحظة، باستخدام المحاكاة الحاسوبية ، وذلك بالاعتماد على دمج الصور متعددة الوسائط القابلة للملاحظة، والتي قد تكون متفرقة وغير متسقة، مع القياسات الفيزيولوجية. وستُسهم النماذج الحاسوبية في تفسير القياسات بما يتوافق مع القوانين الفيزيائية الحيوية والكيميائية الحيوية والبيولوجية الكامنة وراء العمليات الفيزيولوجية أو المرضية قيد الدراسة. وفي نهاية المطاف، ستساعد هذه الأدوات والأنظمة البحثية في فهمنا لعمليات الأمراض، والتاريخ الطبيعي لتطورها، وتأثير الإجراءات العلاجية الدوائية و/أو التدخلية على مسار المرض.

يتجاوز التلاقح بين التصوير والنمذجة مجرد تفسير القياسات بطريقة تتوافق مع علم وظائف الأعضاء. فالنمذجة القائمة على الصور والمخصصة لكل مريض، بالإضافة إلى نماذج الأجهزة الطبية والعلاجات الدوائية، تفتح الطريق أمام التصوير التنبؤي الذي يُمكّن من فهم هذه التدخلات وتخطيطها وتحسينها باستخدام المحاكاة الحاسوبية .

الأساليب الرياضية في التصوير الطبي

دخلت العديد من الأساليب الرياضية المتطورة مجال التصوير الطبي، وتم تطبيقها بالفعل في حزم برمجية متنوعة. تشمل هذه الأساليب مناهج تعتمد على المعادلات التفاضلية الجزئية وتدفقات الانحناء لتحسين الصور وتقسيمها وتسجيلها. ونظرًا لاستخدامها المعادلات التفاضلية الجزئية، فإن هذه الأساليب قابلة للتوازي والتنفيذ على وحدات معالجة الرسومات للأغراض العامة (GPGPUs). وقد استُلهم عدد من هذه التقنيات من أفكار التحكم الأمثل . وبناءً على ذلك، شقت أفكار التحكم طريقها مؤخرًا إلى الأساليب التفاعلية، لا سيما في مجال تقسيم الصور. علاوة على ذلك، ونظرًا للتشويش والحاجة إلى تقنيات التقدير الإحصائي للصور المتغيرة ديناميكيًا، فقد شاع استخدام مرشح كالمان [ 56 ] ومرشح الجسيمات . يمكن الاطلاع على دراسة شاملة لهذه الأساليب مع قائمة مراجع موسعة في المرجع [ 57 ] .

الحوسبة الخاصة بالنمط

تُوفّر بعض تقنيات التصوير معلومات متخصصة للغاية. ولا يُمكن التعامل مع الصور الناتجة عنها كصور قياسية عادية، مما يُؤدي إلى ظهور مجالات فرعية جديدة في مجال الحوسبة الطبية للصور. ومن الأمثلة على ذلك التصوير بالرنين المغناطيسي الانتشار والتصوير بالرنين المغناطيسي الوظيفي.

التصوير بالرنين المغناطيسي الانتشار

شريحة محورية متوسطة من قالب صورة موتر الانتشار للصواريخ الباليستية العابرة للقارات. قيمة كل فوكسل هي موتر ممثل هنا بقطع ناقص. يشير اللون إلى الاتجاه الرئيسي: أحمر = يسار-يمين، أزرق = سفلي-علوي، أخضر = خلفي-أمامي

التصوير بالرنين المغناطيسي الانتشار هو تقنية تصوير بالرنين المغناطيسي الهيكلي تسمح بقياس عملية انتشار الجزيئات. يُقاس الانتشار بتطبيق نبضة تدرج على مجال مغناطيسي في اتجاه محدد. في عملية التصوير النموذجية، تُستخدم مجموعة من اتجاهات التدرج الموزعة بانتظام لإنشاء مجموعة من الحجوم الموزونة بالانتشار. بالإضافة إلى ذلك، يتم الحصول على حجم غير موزون تحت نفس المجال المغناطيسي دون تطبيق نبضة تدرج. ونظرًا لارتباط كل عملية تصوير بحجوم متعددة، فقد أدى التصوير بالرنين المغناطيسي الانتشار إلى ظهور مجموعة متنوعة من التحديات الفريدة في مجال معالجة الصور الطبية.

في مجال الطب، هناك هدفان حسابيان رئيسيان في التصوير بالرنين المغناطيسي الانتشار:

  • تقدير خصائص الأنسجة المحلية، مثل الانتشارية؛
  • تقدير الاتجاهات المحلية والمسارات العالمية للانتشار.

يُقدّم موتر الانتشار ، [ 58 ] وهو مصفوفة متناظرة موجبة التحديد من الرتبة 3 × 3 ، حلاً مباشراً لكلا الهدفين. فهو يتناسب مع مصفوفة التغاير لملف تعريف الانتشار المحلي ذي التوزيع الطبيعي، وبالتالي، فإن المتجه الذاتي المهيمن لهذه المصفوفة هو الاتجاه الرئيسي للانتشار المحلي. ونظراً لبساطة هذا النموذج، يُمكن إيجاد تقدير الاحتمال الأقصى لموتر الانتشار ببساطة عن طريق حل نظام من المعادلات الخطية عند كل موقع على حدة. ومع ذلك، بما أن الحجم يُفترض أن يحتوي على ألياف نسيجية متجاورة، فقد يكون من الأفضل تقدير حجم موترات الانتشار بالكامل عن طريق فرض شروط انتظام على حقل الموترات الأساسي. [ 59 ] يمكن استخلاص قيم عددية من موتر الانتشار، مثل التباين الجزئي ، ومتوسط ​​الانتشار، والانتشار المحوري، والانتشار القطري، والتي تقيس بشكل غير مباشر خصائص الأنسجة مثل خلل التميلين في الألياف المحورية [ 60 ] أو وجود وذمة. [ 61 ] يمكن تطبيق طرق حساب الصور العددية القياسية، مثل التسجيل والتجزئة، مباشرةً على أحجام هذه القيم العددية. ومع ذلك، وللاستفادة الكاملة من المعلومات الموجودة في موتر الانتشار، تم تكييف هذه الطرق لمراعاة الأحجام ذات القيم الموترية عند إجراء التسجيل [ 62 ] [ 63 ] والتجزئة. [ 64 ] [ 65 ]

بمعرفة الاتجاه الرئيسي للانتشار في كل موقع ضمن الحجم، يُمكن تقدير مسارات الانتشار الكلية من خلال عملية تُعرف باسم تصوير المسارات العصبية . [ 66 ] مع ذلك، ونظرًا لانخفاض دقة التصوير بالرنين المغناطيسي للانتشار نسبيًا، قد تتقاطع العديد من هذه المسارات أو تتلامس أو تتفرع في موقع واحد. في هذه الحالة، لا يُعد الاتجاه الرئيسي الوحيد لموتر الانتشار نموذجًا مناسبًا لتوزيع الانتشار الموضعي. يتمثل الحل الأكثر شيوعًا لهذه المشكلة في تقدير اتجاهات متعددة للانتشار الموضعي باستخدام نماذج أكثر تعقيدًا. تشمل هذه النماذج مزيجًا من موترات الانتشار، [ 67 ] وتصوير كرة Q، [ 68 ] وتصوير طيف الانتشار ، [ 69 ] ووظائف توزيع اتجاه الألياف، [ 70 ] [ 71 ] والتي تتطلب عادةً الحصول على صور HARDI مع عدد كبير من اتجاهات التدرج. كما هو الحال مع موتر الانتشار، تتطلب الأحجام التي يتم تقييمها باستخدام هذه النماذج المعقدة معالجة خاصة عند تطبيق أساليب الحوسبة التصويرية، مثل التسجيل [ 72 ] [ 73 ] [ 74 ] والتجزئة. [ 75 ]

التصوير بالرنين المغناطيسي الوظيفي

التصوير بالرنين المغناطيسي الوظيفي (fMRI) هو أسلوب تصوير طبي يقيس النشاط العصبي بشكل غير مباشر من خلال مراقبة الديناميكا الدموية الموضعية ، أو إشارة مستوى الأكسجين في الدم (BOLD). توفر بيانات التصوير بالرنين المغناطيسي الوظيفي مجموعة من المعلومات، ويمكن تقسيمها تقريبًا إلى فئتين:

  • يتم الحصول على صور الرنين المغناطيسي الوظيفي المرتبطة بالمهمة أثناء أداء الشخص الخاضع للتجربة لسلسلة من الظروف التجريبية المحددة زمنيًا. في تجارب التصميم الكتلي، تكون الظروف موجودة لفترات زمنية قصيرة (مثل 10 ثوانٍ) وتتناوب مع فترات راحة. أما التجارب المرتبطة بالأحداث فتعتمد على تسلسل عشوائي من المحفزات وتستخدم نقطة زمنية واحدة للدلالة على كل حالة. يُعد النموذج الخطي العام (GLM) النهج القياسي لتحليل صور الرنين المغناطيسي الوظيفي المرتبطة بالمهمة. [ 76 ]
  • يُجرى تصوير الرنين المغناطيسي الوظيفي في حالة الراحة دون أي مهمة تجريبية. والهدف عادةً هو دراسة بنية الشبكة الداخلية للدماغ. وقد رُبطت الملاحظات التي تُجرى أثناء الراحة بعمليات معرفية محددة، مثل الترميز والتفكير. وتركز معظم الدراسات التي تتناول تصوير الرنين المغناطيسي الوظيفي في حالة الراحة على التقلبات منخفضة التردد لإشارة الرنين المغناطيسي الوظيفي (LF-BOLD). وتشمل الاكتشافات الرائدة شبكة الوضع الافتراضي [ 77 ] ، وتقسيمًا قشريًا شاملًا [ 78 ] ، وربط خصائص الشبكة بالمعايير السلوكية.

توجد مجموعة واسعة من المنهجيات المستخدمة لتحليل بيانات التصوير العصبي الوظيفي، وغالبًا ما لا يوجد إجماع حول أفضل طريقة. بدلًا من ذلك، يتعامل الباحثون مع كل مشكلة على حدة ويختارون نموذجًا/خوارزمية مناسبة. في هذا السياق، يوجد تبادل نشط نسبيًا بين مجتمعات علم الأعصاب ، وعلم الأحياء الحاسوبي ، والإحصاء ، والتعلم الآلي . تشمل المناهج البارزة ما يلي :

  • الأساليب أحادية المتغير واسعة النطاق التي تفحص وحدات البكسل الفردية في بيانات التصوير بحثًا عن علاقة بحالة التجربة. والأسلوب الرئيسي هو النموذج الخطي العام. [ 76 ]
  • تستخدم الأساليب متعددة المتغيرات والتصنيفية، والتي يُشار إليها غالبًا بتحليل أنماط متعددة الفوكسل أو تحليل الأنماط متعددة المتغيرات، لفحص البيانات بحثًا عن استجابات شاملة وربما موزعة لحالة تجريبية. استخدمت الأساليب المبكرة آلات المتجهات الداعمة لدراسة الاستجابات للمؤثرات البصرية. [ 79 ] ومؤخرًا، تم استكشاف خوارزميات بديلة للتعرف على الأنماط، مثل تباين جيني القائم على الغابات العشوائية [ 80 ] أو الانحدار المتفرق وتعلم القاموس. [ 81 ]
  • يدرس تحليل الاتصال الوظيفي بنية الشبكة الداخلية للدماغ، بما في ذلك التفاعلات بين المناطق. وتركز غالبية هذه الدراسات على بيانات حالة الراحة لتقسيم الدماغ [ 78 ] أو لإيجاد ارتباطات مع المقاييس السلوكية [ 82 ] . ويمكن استخدام بيانات خاصة بمهام محددة لدراسة العلاقات السببية بين مناطق الدماغ (مثل رسم الخرائط السببية الديناميكية [ 83 ] ).

عند العمل مع مجموعات كبيرة من المشاركين، يُعدّ توحيد (تسجيل) بيانات كل مشارك ضمن إطار مرجعي مشترك أمرًا بالغ الأهمية. تتوفر مجموعة من الدراسات والأدوات لإجراء هذا التوحيد بناءً على التشريح ( مثل FSL و FreeSurfer و SPM ). أما المحاذاة التي تأخذ التباين المكاني بين المشاركين في الحسبان فهي مجال بحثي أحدث. ومن الأمثلة على ذلك محاذاة القشرة الدماغية بناءً على ارتباط إشارة التصوير بالرنين المغناطيسي الوظيفي [ 84 ]، والمحاذاة بناءً على بنية الاتصال الوظيفي الشاملة في بيانات حالة المهمة أو حالة الراحة [ 85 ] ، والمحاذاة بناءً على أنماط التنشيط الخاصة بكل فوكسل على حدة [ 86 ] .

برمجة

تُعدّ برمجيات معالجة الصور الطبية مزيجًا معقدًا من الأنظمة التي توفر عمليات الإدخال والإخراج، والتصوير والتفاعل، وواجهة المستخدم، وإدارة البيانات، والحساب. وعادةً ما تُصمّم بنية هذه الأنظمة على شكل طبقات لخدمة مطوري الخوارزميات، ومطوري التطبيقات، والمستخدمين. غالبًا ما تكون الطبقات الدنيا عبارة عن مكتبات و/أو مجموعات أدوات توفر القدرات الحسابية الأساسية؛ بينما تمثل الطبقات العليا تطبيقات متخصصة تعالج مشكلات طبية أو أمراضًا أو أجهزة جسمية محددة.

ملاحظات إضافية

يرتبط مجال الحوسبة الطبية التصويرية أيضًا بمجال رؤية الحاسوب . وتمثل جمعية دولية، هي جمعية MICCAI ، هذا المجال، وتنظم مؤتمرًا سنويًا وورش عمل مصاحبة له. وتُنشر وقائع هذا المؤتمر من قِبل دار نشر سبرينغر ضمن سلسلة محاضرات في علوم الحاسوب. [ 87 ] وفي عام 2000، استعرض كلٌ من ن. عياش وج. دنكان حالة هذا المجال. [ 88 ]

انظر أيضاً

مراجع

  1. ↑ بيريرا موليغودا أراشيغي، أروش س.؛ سفيت، أفاناسي (10 سبتمبر 2021). "دمج الذكاء الاصطناعي في ممارسة الأشعة: منظور طلاب المرحلة الجامعية" . المجلة الأوروبية للطب النووي والتصوير الجزيئي . 48 (13): 4133-4135 . doi : 10.1007/s00259-021-05558-y . ISSN 1619-7089 . PMID 34505175. S2CID 237459138 .   
  2. ↑ فورغاني، م.؛ فوروزانفر، م.؛ تشنهلاب، م. (2010). "تحسين معلمات خوارزمية التجميع الضبابي المحسّنة لتقسيم صور الرنين المغناطيسي للدماغ". تطبيقات الهندسة للذكاء الاصطناعي . 23 (2): 160-168 . doi : 10.1016/j.engappai.2009.10.002 .
  3. ↑ جي جي؛ إم ريفيتش؛ آر باجسي (1993). "تشويه مرن لأطلس ثلاثي الأبعاد لمطابقة صور الدماغ التشريحية". مجلة التصوير المقطعي المحوسب . 17 (1): 225-236 . doi : 10.1097/00004728-199303000-00011 . PMID 8454749. S2CID 25781937 .  
  4. ↑ MR Sabuncu؛ BT Yeo؛ K Van Leemput؛ B Fischl؛ P Golland (يونيو 2010). "نموذج توليدي لتجزئة الصور قائم على دمج التصنيفات" . مجلة IEEE للمعاملات في التصوير الطبي . 29 (10): 1714-1729 . Bibcode : 2010ITMI...29.1714S . doi : 10.1109/TMI.2010.2050897 . PMC 3268159. PMID 20562040 .  
  5. ↑ كوتس، تي إف، تايلور، سي جيه، كوبر، دي إتش، غراهام، جيه (1995). "نماذج الشكل النشطة - تدريبها وتطبيقها" (ملف PDF) . رؤية الحاسوب وفهم الصور . 61 (1): 38-59 . doi : 10.1006/cviu.1995.1004 . S2CID 15242659 . 
  6. ↑ كوتس، تي إف؛ إدواردز، جي جي؛ تايلور، سي جي (2001). "نماذج المظهر النشط". معاملات IEEE في تحليل الأنماط والذكاء الآلي . 23 (6): 681-685 . Bibcode : 2001ITPAM..23..681C . CiteSeerX 10.1.1.128.4967 . doi : 10.1109/34.927467 . 
  7. ↑ جي. تشنغ؛ إس. لي؛ جي. سزيكيلي (2017). التحليل الإحصائي للشكل والتشوه . دار النشر الأكاديمية. ISBN 9780128104941.
  8. ↑ ر. غولدنبرغ، ر. كيميل، إ. ريفلين، و م. رودزسكي (2001). "خطوط الكنتور الجيوديسية النشطة السريعة" (ملف PDF) . معاملات IEEE في معالجة الصور . 10 (10): 1467-1475 . Bibcode : 2001ITIP...10.1467G . CiteSeerX 10.1.1.35.1977 . doi : 10.1109/83.951533 . PMID 18255491 .  {{cite journal}}: صيانة CS1: أسماء متعددة: قائمة المؤلفين ( رابط )
  9. ↑ كاراسيف، ب.؛ كوليسوف، إ.؛ تشودي، ك.؛ فيلا، ب.؛ تانينباوم، أ. (2011). "تجزئة التصوير بالرنين المغناطيسي التفاعلية باستخدام الرؤية النشطة المتحكم بها". مؤتمر IEEE للتحكم والقرار والمؤتمر الأوروبي للتحكم . الصفحات 2293-2298 . doi : 10.1109/CDC.2011.6161453 . ISBN  978-1-61284-801-3. PMC 3935399 . PMID 24584213 .  
  10. ↑ ك. ميكولا، ن. بيرييراس، م. ريميشيكوفا، أ. سارتي: تجزئة صور التكوين الجنيني ثلاثي الأبعاد باستخدام طريقة السطح الذاتي المعمم بتقنية الحجم المحدود . وقائع المؤتمر الدولي الخامس حول الأحجام المحدودة للتطبيقات المعقدة (FVCA5)، دار نشر هيرميس، باريس 2008.
  11. ↑ أ. سارتي، ج. سيتي: الأسطح الذاتية ومخططات تدفق انحناء ريمان المتوسط. مجلة الرياضيات بجامعة كومينيان. (سلسلة جديدة) 70 (2000)، 85-103.
  12. ↑ أ. سارتي، ر. مالادي، ج. أ. سيثيان: الأسطح الذاتية: طريقة لإكمال الحدود المفقودة. وقائع الأكاديمية الوطنية للعلوم 12، العدد 97 (2000)، 6258-6263.
  13. ↑ أ. سارتي، ر. مالادي، ج. أ. سيثيان: الأسطح الذاتية: نموذج هندسي لإكمال الحدود، المجلة الدولية لرؤية الكمبيوتر، المجلد 46، العدد 3 (2002)، 201-221.
  14. ↑ بدرينارايانان، فيجاي؛ كيندال، أليكس؛ سيبولا، روبرتو (2015-11-02). "SegNet: بنية ترميز-فك ترميز تلافيفية عميقة لتجزئة الصور". arXiv : 1511.00561 [ cs.CV ].
  15. ↑ رونبرغر، أولاف؛ فيشر، فيليب؛ بروكس، توماس (2015-05-18). "U-Net: الشبكات الالتفافية لتجزئة الصور الطبية الحيوية". arXiv : 1505.04597 [ cs.CV ].
  16. ↑ هي، كايمينغ؛ تشانغ، شيانغيو؛ رن، شاوكينغ؛ صن، جيان (يونيو 2016). "التعلم العميق المتبقي للتعرف على الصور" . مؤتمر IEEE لعام 2016 حول رؤية الحاسوب والتعرف على الأنماط (CVPR) . لاس فيغاس، نيفادا، الولايات المتحدة الأمريكية: IEEE. الصفحات 770-778 . doi : 10.1109/CVPR.2016.90 . ISBN  978-1-4673-8851-1. S2CID 206594692 . 
  17. ↑ أحمد، ابتهاج؛ شيا، يونغ؛ تسوي، هنغفي؛ إسلام، زين (2023-05-01). "شبكة تجزئة الأورام الواعية بالتشريح (AATSN) لأحجام وصور التصوير المقطعي بالإصدار البوزيتروني (PET-CT) باستخدام آلية دمج-انتباه خفيفة الوزن" . الحوسبة في علم الأحياء والطب . 157 106748. doi : 10.1016/j.compbiomed.2023.106748 . ISSN 0010-4825 . PMID 36958235. S2CID 257489603 .   
  18. ^ فاسواني، اشيش. شازير، نعوم؛ بارمار، نيكي؛ أوسزكوريت، جاكوب؛ جونز، ليون؛ جوميز، ايدان N.؛ كايزر، لوكاش؛ بولوسوخين ، إيليا (12/06/2017). "الاهتمام هو كل ما تحتاجه". أرخايف : 1706.03762 [ cs.CL ].
  19. ↑ سورين، فيرا؛ باراش، يفتاح؛ كونين، إيلي؛ كلانج، إيال (أغسطس 2020). "إنشاء صور اصطناعية لتطبيقات الأشعة باستخدام الشبكات التوليدية التنافسية (GANs) - مراجعة منهجية" . مجلة الأشعة الأكاديمية . 27 (8): 1175-1185 . doi : 10.1016/j.acra.2019.12.024 . ISSN 1076-6332 . PMID 32035758. S2CID 211072078 .   
  20. ↑ إحساني راد، عبد الوهاب؛ محمد رحيم محمد شفري؛ رحمن أمجد؛ التميم أيمن؛ صبا تنزيلة (مايو 2013). "تقييم أساليب تجزئة صور الأشعة السينية السنية الحالية في التطبيقات بمساعدة الحاسوب". مجلة IETE التقنية . 30 (3): 210. doi : 10.4103/0256-4602.113498 (غير نشط في 1 يوليو 2025). S2CID 62571134 . {{cite journal}}: صيانة CS1: رقم التعريف الرقمي غير نشط اعتبارًا من يوليو 2025 ( رابط )
  21. ↑ ليزا غوتسفيلد براون (1992). "دراسة استقصائية لتقنيات تسجيل الصور". مجلة ACM Computing Surveys . 24 (4): 325–376 . CiteSeerX 10.1.1.35.2732 . doi : 10.1145/146370.146374 . S2CID 14576088 .  
  22. ↑ ج. ماينتز؛ م. فيرجيفير (1998). "دراسة استقصائية لتسجيل الصور الطبية". تحليل الصور الطبية . 2 (1): 1-36 . CiteSeerX 10.1.1.46.4959 . doi : 10.1016/S1361-8415(01)80026-8 . PMID 10638851 .  
  23. ↑ ج. هاجنال؛ د. هوكس؛ د. هيل (2001). تسجيل الصور الطبية . باتون روج، فلوريدا: مطبعة سي آر سي.
  24. ↑ باربرا زيتوفا؛ جان فلوسر (2003). "أساليب تسجيل الصور: دراسة استقصائية". مجلة معالجة الصور والرؤية الحاسوبية . 21 (11): 977-1000 . doi : 10.1016/S0262-8856(03)00137-9 . hdl : 10338.dmlcz/141595 .
  25. ^ جي بي دبليو بلويم. جي بي ايه ماينتز؛ ما فيرجيفر (2003). “التسجيل القائم على المعلومات المتبادلة للصور الطبية: مسح”. IEEE ترانس. ميد. التصوير . 22 (8): 986–1004 . بيب كود : 2003ITMI...22..986P . سيتيسيركس 10.1.1.197.6513 . دوى : 10.1109/TMI.2003.815867 . بميد 12906253 . S2CID 2605077 .   
  26. ↑ غريناندر، أولف؛ ميلر، مايكل آي. (1998). "التشريح الحاسوبي: تخصص ناشئ" . مجلة الرياضيات التطبيقية الفصلية . 56 (4): 617-694 . رمز Bibcode : 1998QApMa..56..617G . doi : 10.1090/qam/1668732 .
  27. ↑ بي إيه فيولا (1995). المواءمة عن طريق تعظيم المعلومات المتبادلة (أطروحة). معهد ماساتشوستس للتكنولوجيا.
  28. ↑ سي. واشينجر؛ تي. كلاين؛ إن. نواب (2011). "مقاييس تشابه الموجات فوق الصوتية القائمة على ناكاجامي والمتكيفة محليًا". الموجات فوق الصوتية . 52 (4): 547-554 . doi : 10.1016/j.ultras.2011.11.009 . PMID 22197152 . 
  29. ↑ سي. واشينجر؛ ن. نواب (2012). "صور الإنتروبيا واللابلاسية: تمثيلات هيكلية للتسجيل متعدد الوسائط". تحليل الصور الطبية . 16 (1): 1-17 . doi : 10.1016/j.media.2011.03.001 . PMID 21632274 . 
  30. ↑ هيل، ديريك إل جي؛ هوكس، ديفيد جيه (1994-04-01). "تسجيل الصور الطبية باستخدام معرفة تجاور التراكيب التشريحية". معالجة الصور والرؤية الحاسوبية . 12 (3): 173-178 . CiteSeerX 10.1.1.421.5162 . doi : 10.1016/0262-8856(94)90069-8 . ISSN 0262-8856 .  
  31. ↑ توث، دانيال؛ بانايوتو، ماريا؛ بروست، ألكسندر؛ بيهار، جوناثان م.؛ رينالدي، كريستوفر أ.؛ رود، كوال س.؛ ماونتني، بيتر (17-10-2016). "التسجيل مع البنى التشريحية المجاورة لتوجيه علاج إعادة تزامن القلب". الأطالس الإحصائية والنماذج الحاسوبية للقلب. تحديات التصوير والنمذجة (مخطوطة مُقدمة). سلسلة محاضرات في علوم الحاسوب. المجلد 10124. الصفحات 127-134 . doi : 10.1007/978-3-319-52718-5_14 . ISBN   9783319527178. S2CID 1698371 . 
  32. ↑ بيلاوسكي، ن.، ويتزر، إ.، أوفيرستيدت، ج.، لو، ج.، والبي، س.، ليندبلاد، ج.، وسلادوي، ن. (2020). "كومير: تمثيل الصور متعدد الوسائط التبايني للتسجيل". في: التطورات في أنظمة معالجة المعلومات العصبية (ص 18433-18444). كوران أسوشيتس، إنك.
  33. ↑ م. دي كراين؛ أ. ب. د. آيش؛ ب. ماك؛ س. ك. وارفيلد (2004). "تسجيل متعدد المواضيع لبناء أطلس إحصائي غير متحيز" (ملف PDF) . الحوسبة الطبية التصويرية والتدخل بمساعدة الحاسوب - MICCAI 2004. سلسلة محاضرات في علوم الحاسوب. المجلد 3216. الصفحات 655-662 . doi : 10.1007/978-3-540-30135-6_80 . ISBN   978-3-540-22976-6.
  34. ↑ سي جيه توينينج؛ تي كوتس؛ إس مارسيلاند؛ في بيتروفيتش؛ آر شيستوفيتز؛ سي تايلور (2005). "نهج موحد قائم على نظرية المعلومات للتسجيل غير الصلب الجماعي وبناء النماذج". معالجة المعلومات في التصوير الطبي . سلسلة محاضرات في علوم الحاسوب. المجلد 19. الصفحات 1-14 . doi : 10.1007/11505730_1 . ISBN   978-3-540-26545-0PMID 17354680​​ 
  35. ↑ "دماغ MNI وأطلس تالايراخ" .
  36. ↑ م. سابونجو؛ س. ك. بالجي؛ م. إ. شينتون؛ ب. جولاند (2009). "تحليل السكان باستخدام الصور من خلال نمذجة الخليط" . معاملات IEEE في التصوير الطبي . 28 (9): 1473-1487 . Bibcode : 2009ITMI...28.1473S . CiteSeerX 10.1.1.158.3690 . doi : 10.1109/TMI.2009.2017942 . PMC 2832589. PMID 19336293 .   
  37. ↑ ج. آشبرنر؛ ك. ج. فريستون (2000). "القياس المورفومتري القائم على الفوكسل - الأساليب". مجلة NeuroImage . 11 (6): 805-821 . CiteSeerX 10.1.1.114.9512 . doi : 10.1006/nimg.2000.0582 . PMID 10860804. S2CID 16777465 .   
  38. ↑ سي. دافاتزيكوس (2004) . "لماذا يجب استخدام التحليل المورفومتري القائم على الفوكسل بحذر شديد عند توصيف الاختلافات بين المجموعات". مجلة NeuroImage . 23 (1): 17-20 . doi : 10.1016/j.neuroimage.2004.05.010 . PMID 15325347. S2CID 7452089 .  
  39. ↑ كي جيه فريستون؛ دبليو دي بيني؛ سي فيليبس؛ إس جيه كيبل؛ جي هينتون؛ جيه أشبرنر (2002). "الاستدلال الكلاسيكي والبيزي في التصوير العصبي: النظرية". مجلة NeuroImage . 16 ( 2): 465-483 . CiteSeerX 10.1.1.128.8333 . doi : 10.1006/nimg.2002.1090 . PMID 12030832. S2CID 14911371 .   
  40. ↑ يونغ فان؛ نعمت الله باتمانغليش؛ كريس إم. كلارك؛ كريستوس دافاتزيكوس (2008). "الأنماط المكانية لضمور الدماغ لدى مرضى الضعف الإدراكي المعتدل، والتي تم تحديدها عبر تصنيف الأنماط عالية الأبعاد، تتنبأ بالتدهور المعرفي اللاحق" . مجلة NeuroImage . 39 (4): 1731-1743 . doi : 10.1016/j.neuroimage.2007.10.031 . PMC 2861339. PMID 18053747 .  
  41. ↑ ريمي كوينيه؛ إميلي جيراردان؛ جيروم تيسيراس؛ غيوم أوزياس؛ ستيفان ليهيريسي؛ ماري أوديل هابير؛ ماري شوبان؛ حبيب بن علي؛ أوليفييه كوليو (2011). "مبادرة التصوير العصبي لمرض الزهايمر، التصنيف التلقائي لمرضى الزهايمر من التصوير بالرنين المغناطيسي الهيكلي: مقارنة بين عشر طرق باستخدام قاعدة بيانات ADNI" ( ملف PDF) . مجلة NeuroImage . 56 (2): 766-781 . doi : 10.1016/j.neuroimage.2010.06.013 . PMID 20542124. S2CID 628131 .  
  42. ↑ واي. وانغ؛ واي. فان؛ بي. بهات؛ سي. دافاتزيكوس (2010). "انحدار الأنماط عالي الأبعاد باستخدام التعلم الآلي: من الصور الطبية إلى المتغيرات السريرية المستمرة" . مجلة NeuroImage . 50 (4): 1519-1535 . doi : 10.1016/j.neuroimage.2009.12.092 . PMC 2839056. PMID 20056158 .  
  43. ^ بينوا ماجنين. ليليا مسروب؛ سيرج كينكينيهون؛ ميلاني بيليجريني-إيساك؛ أوليفييه كوليوت؛ ماري سارازين؛ برونو دوبوا؛ ستيفان ليهيريسي؛ حبيب بن علي (2009). “دعم التصنيف القائم على الآلة لمرض الزهايمر من التصوير بالرنين المغناطيسي التشريحي لكامل الدماغ”. علم الأشعة العصبية . 51 (2): 73-83 . دوى : 10.1007 / s00234-008-0463-x . بميد 18846369 . S2CID 285128 .  
  44. 1 2 ن.ك. باتمانغليش؛ ب. تاسكار؛ س. دافاتزيكوس (2012). "التعلم الأساسي التوليدي التمييزي للتصوير الطبي" . مجلة IEEE للمعاملات في التصوير الطبي . 31 (1): 51-69 . Bibcode : 2012ITMI...31...51B . doi : 10.1109/TMI.2011.2162961 . PMC 3402718. PMID 21791408 .  
  45. 1 2 غلين فونغ؛ جوناثان ستويكل (2007). "اختيار ميزات SVM لتصنيف صور SPECT لمرض الزهايمر باستخدام المعلومات المكانية". نظم المعرفة والمعلومات . 11 (2): 243-258 . CiteSeerX 10.1.1.62.6245 . doi : 10.1007/s10115-006-0043-5 . S2CID 9901011 .  
  46. 1 2 ر. تشافيز؛ ج. راميريز؛ ج.م. غوريز؛ م. لوبيز؛ د. سالاس-غونزاليس؛ إ. ألفاريز؛ ف. سيغوفيا (2009). "التشخيص بمساعدة الحاسوب لمرض الزهايمر باستخدام اختبار t لاختيار الميزات NMSE مع ترجيح ارتباط الميزات، وذلك باستخدام خوارزمية SVM". رسائل علم الأعصاب . 461 (3): 293-297 . doi : 10.1016/j.neulet.2009.06.052 . PMID 19549559. S2CID 9981775 .  
  47. 1 2 يانشي ليو ؛ ليونيد تيفيروفسكي؛ أوين كارمايكل؛ رون كيكينيس؛ مارثا شينتون؛ كاميرون إس. كارتر؛ في. أندرو ستينجر؛ سيمون ديفيس؛ هوارد أيزنشتاين؛ جيمس تي. بيكر (2004). "تحليل ميزات صور الرنين المغناطيسي التمييزية للتصنيف التلقائي لمرض الفصام ومرض الزهايمر" (ملف PDF) . الحوسبة الطبية للصور والتدخل بمساعدة الحاسوب - MICCAI 2004. سلسلة محاضرات في علوم الحاسوب. المجلد 3216. الصفحات 393-401 . doi : 10.1007/978-3-540-30135-6_48 . ISBN   978-3-540-22976-6.{{cite book}}تم |journal=تجاهله ( مساعدة )
  48. ↑ سافيو أ.؛ غرانيا م. (2013). "اختيار الميزات القائم على التشوه للتشخيص بمساعدة الحاسوب لمرض الزهايمر". أنظمة الخبراء وتطبيقاتها . 40 (5): 1619-1628 . doi : 10.1016/j.eswa.2012.09.009 . ISSN 0957-4174 . 
  49. ↑ ر. فيليبوفيتش؛ إس. إم. ريسنيك؛ سي. دافاتزيكوس (2011). "تحليل التجميع شبه الموجه لبيانات التصوير" . مجلة NeuroImage . 54 (3): 2185-2197 . doi : 10.1016/j.neuroimage.2010.09.074 . PMC 3008313. PMID 20933091 .  
  50. ↑ خارطة طريق أبحاث STEP، مؤرشفة بتاريخ 28 أغسطس 2008 على موقع Wayback Machine . europhysiome.org
  51. ↑ جيه دبليو فينير؛ بي بروك؛ جي كلابورثي؛ بي في كوفيني؛ في فيبل؛ إتش جريجرسن؛ دي آر هوز؛ بي كول؛ بي لوفورد؛ كيه إم ماكورماك؛ دي بيني؛ إس آر توماس؛ إس فان سينت جان؛ إس ووترز؛ إم فيسكونتي (2008). "اليوروفيزيوم، وSTEP، وخارطة طريق للإنسان الفيزيولوجي الافتراضي" (ملف PDF) . المعاملات الفلسفية للجمعية الملكية أ . 366 (1878): 2979-2999 . رمز Bibcode : 2008RSPTA.366.2979F . doi : 10.1098/rsta.2008.0089 . hdl : 2013/ULB-DIPOT:oai:dipot.ulb.ac.be:2013/98205 . بميد 18559316 . S2CID 1211981 .  
  52. ↑ جيه بي باسنجثويت (2000). " استراتيجيات مشروع الفيزيوم" . حوليات الهندسة الطبية الحيوية . 28 (8): 1043-1058 . doi : 10.1114/1.1313771 . PMC 3425440. PMID 11144666 .  
  53. ↑ بي جيه هنتر؛ تي كي بورغ (2003) . "التكامل من البروتينات إلى الأعضاء: مشروع الفيزيوم". نات. ريف. مول. سيل بيول . 4 (3): 237-243 . doi : 10.1038/nrm1054 . PMID 12612642. S2CID 25185270 .  
  54. ↑ آر. إل. وينسلو؛ إن. ترايانوفا؛ دي. جيمان؛ إم. آي. ميلر (2012). "الطب الحسابي: ترجمة النماذج إلى الرعاية السريرية" . مجلة العلوم الطبية الانتقالية . 4 (158): 158rv11. doi : 10.1126/scitranslmed.3003528 . PMC 3618897. PMID 23115356 .  
  55. ^ ن. عياش، ج.-ب. Boissel، S. Brunak، G. Clapworthy، G. Lonsdale، J. Fingberg، AF Frangi، G.Deco، PJ Hunter، P.Nielsen، M.Halstead، DR Hose، I. Magnin، F. Martin-Sanchez، P. Sloot، J. Kaandorp، A. Hoekstra، S. Van Sint Jan، and M. Viceconti (2005) "نحو افتراضية الإنسان الفسيولوجي: النمذجة والمحاكاة متعددة المستويات للتشريح البشري وعلم وظائف الأعضاء . المديرية العامة INFSO والمديرية العامة JRC، ورقة بيضاء
  56. ↑ بولفيلفيل د.؛ رانغايان ر.م.؛ هان ل.ج.؛ كلويبر ر.؛ كودوفالي ج.ر. (1994). "استعادة صور التصوير المقطعي المحوسب بانبعاث الفوتون المفرد باستخدام مرشح كالمان". معاملات IEEE في التصوير الطبي . 13 (1): 102-109 . doi : 10.1109/42.276148 . PMID 18218487 . 
  57. ↑ أنجينينت، س .؛ بيشون، إ.؛ تانينباوم، أ. (2006). "الأساليب الرياضية في معالجة الصور الطبية" . نشرة الجمعية الأمريكية للرياضيات . 43 (3): 365-396 . doi : 10.1090/S0273-0979-06-01104-9 . PMC 3640423. PMID 23645963 .  
  58. ↑ ب. باسير؛ ج. ماتيلو؛ د. لوبيان (يناير 1994). "مطيافية موتر الانتشار بالرنين المغناطيسي، التصوير" . مجلة الفيزياء الحيوية . 66 (1): 259-267 . Bibcode : 1994BpJ....66..259B . doi : 10.1016/S0006-3495(94)80775-1 . PMC 1275686. PMID 8130344 .  
  59. ↑ ب. فيلار؛ إكس. بينيك؛ في. أرسيني؛ ن. أياش (2007). "تقدير التصوير بالرنين المغناطيسي الانتشار المنتشر السريري، والتنعيم، وتتبع الألياف باستخدام مقاييس لوغاريتمية إقليدية". معاملات IEEE في التصوير الطبي . 26 (11): 1472-1482 . Bibcode : 2007ITMI...26.1472F . CiteSeerX 10.1.1.218.6380 . doi : 10.1109/TMI.2007.899173 . PMID 18041263 .  
  60. ↑ إس كيه سونغ؛ إس دبليو صن؛ إم رامسبوتوم؛ سي تشينغ؛ جيه راسل؛ إيه كروس (نوفمبر 2002). "خلل التمييل الذي تم الكشف عنه من خلال التصوير بالرنين المغناطيسي على أنه زيادة في الانتشار الشعاعي (ولكن دون تغيير في الانتشار المحوري) للماء". مجلة NeuroImage . 13 (3): 1429-1436 . doi : 10.1006 / nimg.2002.1267 . PMID 12414282. S2CID 43229972 .  
  61. ↑ ب. بارزو؛ أ. مارمارو؛ ب. فاتوروس؛ ك. هايازاكي؛ ف. كورين (ديسمبر 1997). "مساهمة الوذمة الوعائية والخلوية في تورم الدماغ الرضحي المقاس بالتصوير بالرنين المغناطيسي الموزون بالانتشار". مجلة جراحة الأعصاب . 87 (6): 900-907 . doi : 10.3171/jns.1997.87.6.0900 . PMID 9384402 . 
  62. ↑ د. ألكسندر؛ س. بييرباولي؛ ب. باسير (يناير 2001). "التحويل المكاني لصور الرنين المغناطيسي لموتر الانتشار" (ملف PDF) . مجلة IEEE للمعاملات في التصوير الطبي . 20 (11): 1131-1139 . رمز Bibcode : 2001ITMI...20.1131A . doi : 10.1109/42.963816 . PMID 11700739. S2CID 6559551 .  
  63. ↑ واي كاو؛ إم ميلر؛ إس موري؛ آر وينسلو؛ إل يونس (يونيو 2006). "المطابقة التفاضلية لصور موتر الانتشار". وقائع مؤتمر جمعية مهندسي الكهرباء والإلكترونيات (IEEE) حول رؤية الحاسوب والتعرف على الأنماط (CVPR)، وورشة العمل حول الأساليب الرياضية في تحليل الصور الطبية الحيوية (MMBIA 2006) . نيويورك. ص 67. doi : 10.1109/CVPRW.2006.65 . PMC 2920614 .  
  64. ↑ ز. وانغ؛ ب. فيموري (أكتوبر 2005). "تجزئة صور التصوير بالرنين المغناطيسي الانتشارية باستخدام مقياس عدم تشابه الموتر النظري للمعلومات". معاملات IEEE في التصوير الطبي . 24 (10): 1267-1277 . رمز Bibcode : 2005ITMI...24.1267W . CiteSeerX 10.1.1.464.9059 . doi : 10.1109/TMI.2005.854516 . PMID 16229414. S2CID 32724414 .   
  65. ↑ ميلوناكوس، ج.؛ بيشون، إ.؛ أنجينينت، س .؛ تانينباوم، أ. (2008). "خطوط فينسلر النشطة" . معاملات IEEE لتحليل الأنماط والذكاء الآلي. 30 ( 3): 412-423 . Bibcode : 2008ITPAM..30..412M . doi : 10.1109/TPAMI.2007.70713 . PMC 2796633. PMID 18195436 .  
  66. ↑ إس موري؛ بي كرين؛ في تشاكو؛ بي فان زيل (فبراير 1999). "التتبع ثلاثي الأبعاد للإسقاطات المحورية في الدماغ باستخدام التصوير بالرنين المغناطيسي". حوليات علم الأعصاب . 45 (2): 265-269 . doi : 10.1002/1531-8249(199902)45:2 < 265::AID- ANA21 > 3.0.CO ; 2-3 . PMID 9989633. S2CID 334903 .  
  67. ↑ د. توش؛ ت. ريس؛ م. ويجيل؛ ن. ماكريس؛ ج. بيليفو؛ ف. ويدين (أكتوبر 2002). "التصوير الانتشار عالي الدقة الزاوية يكشف عن عدم تجانس ألياف المادة البيضاء داخل الفوكسل" . الرنين المغناطيسي في الطب . 48 (4): 577-582 . doi : 10.1002/mrm.10268 . PMID 12353272 . 
  68. ↑ د. توخ (ديسمبر 2004). "التصوير بالكرة كيو" . الرنين المغناطيسي في الطب . 52 (6): 1358-1372 . doi : 10.1002/mrm.20279 . PMID 15562495 . 
  69. ↑ ف. ويدين؛ ب. هاغمان؛ و. ي. تسينغ؛ ت. ريس (ديسمبر 2005). "رسم خرائط بنية الأنسجة المعقدة باستخدام التصوير بالرنين المغناطيسي الطيفي الانتشار" . الرنين المغناطيسي في الطب . 54 (6): 1377-1386 . doi : 10.1002/mrm.20642 . PMID 16247738 . 
  70. ↑ ك. جانسونز؛ د. ألكسندر (يوليو 2003). "بنية زاوية ثابتة: رؤى جديدة من بيانات التصوير بالرنين المغناطيسي الانتشارية". وقائع مؤتمر معالجة المعلومات في التصوير الطبي (IPMI) 2003، سلسلة محاضرات في علوم الحاسوب 2732. الصفحات 672-683. doi : 10.1007 /978-3-540-45087-0_56 . 
  71. ↑ جيه دي تورنييه؛ إف كالامانتي؛ دي غاديان؛ إيه كونلي (2007). "التقدير المباشر لدالة كثافة اتجاه الألياف من بيانات التصوير بالرنين المغناطيسي الموزون بالانتشار باستخدام فك الالتفاف الكروي". مجلة NeuroImage . 23 (3): 1176-1185 . doi : 10.1016/j.neuroimage.2004.07.037 . PMID 15528117. S2CID 24169627 .  
  72. ↑ X Geng; T Ross; W Zhan; H Gu; YP Chao; CP Lin; G Christensen; N Schuff; Y Yang (يوليو 2009). "تسجيل صور الرنين المغناطيسي الانتشارية باستخدام دوال توزيع الاتجاه". وقائع مؤتمر معالجة المعلومات في التصوير الطبي (IPMI) 2009، سلسلة محاضرات في علوم الحاسوب 5636، المجلد 21، الصفحات 626-637 . doi : 10.1007/978-3-642-02498-6_52 . PMC 3860746 .   
  73. ↑ PT Yap؛ Y Chen؛ H An؛ Y Yang؛ J Gilmore؛ W Lin؛ D Shen (2011). " SPHERE: التسجيل المرن التوافقي الكروي لبيانات HARDI" . NeuroImage . 55 (2): 545–556 . doi : 10.1016/j.neuroimage.2010.12.015 . PMC 3035740. PMID 21147231 .  
  74. ↑ ب. تشانغ؛ م. نيتهامر؛ د. شين؛ ب. ت. ياب (2012). "التسجيل التفاضلي للتشوه الكبير للصور الموزونة بالانتشار" (ملف PDF) . وقائع مؤتمر الحوسبة الطبية للصور والتدخل بمساعدة الحاسوب (MICCAI) . doi : 10.1007/978-3-642-33418-4_22 .
  75. ↑ م. ديسكوتو؛ ر. ديريش (سبتمبر 2007). "تجزئة صور كرة كيو باستخدام التطور السطحي الإحصائي". وقائع مؤتمر الحوسبة الطبية للصور والتدخل بمساعدة الحاسوب (MICCAI) 2007، سلسلة محاضرات في علوم الحاسوب 4792. الصفحات 769-776. doi : 10.1007 /978-3-540-75759-7_93 . 
  76. 1 2 فريستون، ك.؛ هولمز، أ.؛ وورسلي، ك.؛ بولين، ج.؛ فريث، س.؛ فراكوفياك، ر.؛ وآخرون . (1995). "الخرائط البارامترية الإحصائية في التصوير الوظيفي: منهج خطي عام". رسم خرائط الدماغ البشري . 2 (4): 189-210 . doi : 10.1002/hbm.460020402 . S2CID 9898609 .  
  77. ↑ باكنر، آر إل؛ أندروز-هانا، جيه آر؛ شاكتر، دي إل (2008). "الشبكة الافتراضية للدماغ: التشريح، والوظيفة، وأهميتها في الأمراض". حوليات أكاديمية نيويورك للعلوم . 1124 (1): 1-38 . Bibcode : 2008NYASA1124....1B . CiteSeerX 10.1.1.689.6903 . doi : 10.1196 / annals.1440.011 . PMID 18400922. S2CID 3167595 .   
  78. 1 2 يو، بي تي تي؛ كرينين، FM؛ القبر، J.؛ سابونكو، السيد؛ لاشكري، د.؛ هولينشيد، م. روفمان، JL. سمولر، جي دبليو. زولي، ل.؛ بوليميني، جي آر؛ فيشل، ب. ليو، ه.؛ باكنر، RL (2011). "تنظيم القشرة الدماغية البشرية المقدرة بالاتصال الوظيفي الجوهري" . ي نيوروفيسيول . 106 (3): 1125-65 . دوى : 10.1152/jn.00338.2011 . بمك 3174820 . بميد 21653723 .  
  79. ^ جي في هاكسبي. مي جوبيني؛ مل فوري . أ. إيشاي؛ جي إل سكوتن؛ بي بيتريني (2001). “التمثيلات الموزعة والمتداخلة للوجوه والأشياء في القشرة الصدغية البطنية”. علوم . 293 (5539): 2425– 30. بيب كود : 2001Sci...293.2425H . سيتيسيركس 10.1.1.381.2660 . دوى : 10.1126/science.1063736 . بميد 11577229 . S2CID 6403660 .   
  80. ↑ لانغز، جي.؛ مينز، بي. إتش.؛ لاشكاري، دي.؛ غولاند، بي. (2011). "الكشف عن أنماط التوزيع المستقرة لتنشيط الدماغ باستخدام تباين جيني" . مجلة NeuroImage . 56 (2): 497-507 . doi : 10.1016/j.neuroimage.2010.07.074 . PMC 3960973. PMID 20709176 .  
  81. ↑ فاروكو، ج.؛ غرامفورت، أ.؛ بيدريغوسا، ف.؛ ميشيل، ف.؛ ثيريون، ب. (2011). "تعلم القاموس متعدد المواضيع لتقسيم أطلس النشاط التلقائي للدماغ". معالجة المعلومات في التصوير الطبي . المجلد 22. الصفحات 562-573 .  
  82. ↑ فان دن هوفيل، إم بي؛ ستام، سي جيه؛ كان، آر إس؛ هولشوف بول، إتش إي (2009). "كفاءة الشبكات الدماغية الوظيفية والأداء الفكري" . مجلة علم الأعصاب . 29 (23): 7619-24 . doi : 10.1523/JNEUROSCI.1443-09.2009 . PMC 6665421. PMID 19515930 .  
  83. ↑ فريستون، ك . (2003). "النمذجة السببية الديناميكية". مجلة NeuroImage . 19 (4): 1273–1302 . doi : 10.1016/S1053-8119(03)00202-7 . PMID 12948688. S2CID 2176588 .  
  84. ↑ سابونكو، إم آر؛ سينغر، بي دي؛ كونروي، بي؛ برايان، آر إي؛ رامادج، بي جيه؛ هاكسبي، جيه في (2010). "محاذاة تشريح القشرة الدماغية البشرية بين الأفراد بناءً على الوظيفة" . القشرة الدماغية . 20 (1): 130-140 . doi : 10.1093/cercor/bhp085 . PMC 2792192. PMID 19420007 .  
  85. ^ لانج، ج. لاشكري، د.؛ سويت، أ. التعادل، Y.؛ ريجولو، L.؛ جولبي، AJ. جولاند، ب. (2011). “تعلم أطلس العملية المعرفية في هندستها الوظيفية”. عملية INF التصوير المتوسط ​​. المجلد. 22. ص 135 – 46.  
  86. ↑ هاكسبي، جيه في؛ جونتوبالي، جيه إس؛ كونولي، إيه سي؛ هالتشينكو، واي أو؛ كونروي، بي آر؛ جوبيني، إم آي؛ هانكي، إم؛ رامادج، بي جيه (2011). "نموذج مشترك عالي الأبعاد للفضاء التمثيلي في القشرة الصدغية البطنية البشرية" . نيرون . 72 ( 2): 404-416 . doi : 10.1016/j.neuron.2011.08.026 . PMC 3201764. PMID 22017997 .  
  87. ↑ ويلز، ويليام م؛ كولشيستر، آلان؛ ديلب، سكوت (1998). محاضرات في علوم الحاسوب (مخطوطة مقدمة). المجلد 1496. doi : 10.1007/BFb0056181 . ISBN  978-3-540-65136-9. S2CID 31031333 . 
  88. ↑ جيه إس دنكان؛ إن عياش (2000). "تحليل الصور الطبية: التقدم المحرز على مدى عقدين من الزمن والتحديات المستقبلية". معاملات IEEE في تحليل الأنماط والذكاء الآلي . 22 (1): 85-106 . Bibcode : 2000ITPAM..22...85D . CiteSeerX 10.1.1.410.8744 . doi : 10.1109/34.824822 . 

المجلات المتخصصة في الحوسبة الطبية للصور

بالإضافة إلى ذلك، تنشر المجلات التالية من حين لآخر مقالات تصف أساليب وتطبيقات سريرية محددة للحوسبة الطبية التصويرية أو الحوسبة الطبية التصويرية الخاصة بنوع معين من الوسائط