Littérature scientifique sur le sujet « 3D brain imaging »
Créez une référence correcte selon les styles APA, MLA, Chicago, Harvard et plusieurs autres
Consultez les listes thématiques d’articles de revues, de livres, de thèses, de rapports de conférences et d’autres sources académiques sur le sujet « 3D brain imaging ».
À côté de chaque source dans la liste de références il y a un bouton « Ajouter à la bibliographie ». Cliquez sur ce bouton, et nous générerons automatiquement la référence bibliographique pour la source choisie selon votre style de citation préféré : APA, MLA, Harvard, Vancouver, Chicago, etc.
Vous pouvez aussi télécharger le texte intégral de la publication scolaire au format pdf et consulter son résumé en ligne lorsque ces informations sont inclues dans les métadonnées.
Articles de revues sur le sujet "3D brain imaging"
Sumithra, M., P. Madhumitha, S. Madhumitha, D. Malini et B. Poorni Vinayaa. « 3D Segmentation of Brain Tumor Imaging ». International Journal of Advanced Engineering, Management and Science 6, no 6 (2020) : 256–60. http://dx.doi.org/10.22161/ijaems.66.5.
Texte intégralKakeda, Shingo, Yukunori Korogi, Yasuhiro Hiai, Norihiro Ohnari, Toru Sato et Toshinori Hirai. « Pitfalls of 3D FLAIR Brain Imaging ». Academic Radiology 19, no 10 (octobre 2012) : 1225–32. http://dx.doi.org/10.1016/j.acra.2012.04.017.
Texte intégralTaranda, Julian, et Sevin Turcan. « 3D Whole-Brain Imaging Approaches to Study Brain Tumors ». Cancers 13, no 8 (15 avril 2021) : 1897. http://dx.doi.org/10.3390/cancers13081897.
Texte intégralPooh, Ritsuko K. « Three-dimensional Evaluation of the Fetal Brain ». Donald School Journal of Ultrasound in Obstetrics and Gynecology 11, no 4 (2017) : 268–75. http://dx.doi.org/10.5005/jp-journals-10009-1532.
Texte intégralYao, Junjie. « Deep-brain imaging with 3D integrated photoacoustic tomography and ultrasound localization microscopy ». Journal of the Acoustical Society of America 155, no 3_Supplement (1 mars 2024) : A53. http://dx.doi.org/10.1121/10.0026774.
Texte intégralAvasarala, Jagannadha, et Todd Pietila. « The first 3D printed multiple sclerosis brain : Towards a 3D era in medicine ». F1000Research 6 (30 août 2017) : 1603. http://dx.doi.org/10.12688/f1000research.12336.1.
Texte intégralAvasarala, Jagannadha, et Todd Pietila. « The first 3D printed multiple sclerosis brain : Towards a 3D era in medicine ». F1000Research 6 (20 septembre 2017) : 1603. http://dx.doi.org/10.12688/f1000research.12336.2.
Texte intégralRen, Jiahao, Xiaocen Wang, Chang Liu, He Sun, Junkai Tong, Min Lin, Jian Li et al. « 3D Ultrasonic Brain Imaging with Deep Learning Based on Fully Convolutional Networks ». Sensors 23, no 19 (9 octobre 2023) : 8341. http://dx.doi.org/10.3390/s23198341.
Texte intégralde Crespigny, Alex, Hani Bou-Reslan, Merry C. Nishimura, Heidi Phillips, Richard A. D. Carano et Helen E. D’Arceuil. « 3D micro-CT imaging of the postmortem brain ». Journal of Neuroscience Methods 171, no 2 (juin 2008) : 207–13. http://dx.doi.org/10.1016/j.jneumeth.2008.03.006.
Texte intégralMiao, Peng, Zhixia Wu, Miao Li, Yuanyuan Ji, Bohua Xie, Xiaojie Lin et Guo-Yuan Yang. « Synchrotron Radiation X-Ray Phase-Contrast Tomography Visualizes Microvasculature Changes in Mice Brains after Ischemic Injury ». Neural Plasticity 2016 (2016) : 1–8. http://dx.doi.org/10.1155/2016/3258494.
Texte intégralThèses sur le sujet "3D brain imaging"
Matias, Correia T. M. « Assessment and optimisation of 3D optical topography for brain imaging ». Thesis, University College London (University of London), 2010. http://discovery.ucl.ac.uk/19496/.
Texte intégralLaw, Kwok-wai Albert, et 羅國偉. « 3D reconstruction of coronary artery and brain tumor from 2D medical images ». Thesis, The University of Hong Kong (Pokfulam, Hong Kong), 2004. http://hub.hku.hk/bib/B31245572.
Texte intégralUthama, Ashish. « 3D spherical harmonic invariant features for sensitive and robust quantitative shape and function analysis in brain MRI ». Thesis, University of British Columbia, 2007. http://hdl.handle.net/2429/438.
Texte intégralOlivero, Daniel. « Traumatic brain injury biomarker discovery using mass spectrometry imaging of 3D neural cultures ». Thesis, Georgia Institute of Technology, 2011. http://hdl.handle.net/1853/41102.
Texte intégralMomayyezSiahkal, Parya. « 3D stochastic completion fields for mapping brain connectivity using diffusion magnetic resonance imaging ». Thesis, McGill University, 2012. http://digitool.Library.McGill.CA:80/R/?func=dbin-jump-full&object_id=110445.
Texte intégralCette thèse propose un nouveau cadre probabiliste pour la reconstruction de la connectivité anatomique dans le cerveau basée sur les données obtenues avec l'imagerie de diffusion par résonance magnétique. Nous abordons le problème de la tractographie par le point de vue qu'une théorie basée sur des calculs numériques doit se rapporter à la quantité sous jacente qui est mesurée-la diffusion anisotropique des molécules d'eau. Pour atteindre cet objectif, la probabilité de complétion à priori entre deux régions d'intérêt est modélisée par une marche aléatoire tridimensionnelle (3D), représentative du déplacement anisotropique local capturé par l'IRM de diffusion. La marche aléatoire 3D varie selon un ensemble d'équations différentielles stochastiques dont la solution fournit la probabilité de passage entre tous les états dans l'espace, étant donné une source initiale et des régions d'intérêts. Dans un tel modèle, les particules ont tendance à se diriger en ligne droite à chaque passage, avec une légère perturbation dans leur orientation tridimensionnelle provenant de mouvement Brownien dans chaque composante de l'orientation. Étant données initialement une région source et une région finale, les fonctions de densité de probabilité décrivant la vraisemblance de passage par une position et orientation tridimensionnelle sont respectivement nommées champ stochastique source et champ stochastique d'intérêt. Le champ stochastique final est estimé par le produit de ces deux densités et représente la probabilité de passage par un état particulier dans l'espace. Nous montrons que les courbes de maximum de vraisemblance obtenues par le procédé de marche aléatoire directionnelle 3D est la courbe de moindre énergie qui minimise la somme pondérée de la courbature au carrée, de la torsion au carrée et de la longueur. La marche aléatoire directionnelle 3D et ses champ de complétion sont une extension du modèle de complétion de Williams et Jacobs pour la complétion 2D.Nous développons ensuite un modèle de calcul efficace, local et parallellisable pour calculer les champs de complétion stochastiques en exploitant l'équation Fokker-Planck de la marche aléatoire directionnelle 3D. Cette équation différentielle partielle décrit l'évolution de la distribution de probabilité pour les particules de suivre un tel processus aléatoire. De plus, une solution invariante par rotation est proposée en utilisant la base des fonctions harmoniques sphériques afin de capturer la direction sur la sphere. En analogie avec le modèle de complétion 2D, nous introduisions des termes de diffusion additionnels pour rendre les erreurs d'advection spatiales isotropiques. Le champ de complétion stochastique 3D est également adapté plus avant lorsque les données d'orientation sont dense, comme c'est le cas pour l'IRM de diffusion. L'insertion de termes de dérive angulaire dans le processus stochastique global fournit un moyen de calculer les complétions tout en exploitant les informations locales d'orientation accessibles dans chaque voxel. Notre algorithme fournit ainsi une nouvelle mesure de la connectivité entre deux régions d'intérêt en se basant sur la probabilité globale des courbes de complétions entre elles. Nous discutions ensuite d'un modèle alternatif de marche directionnelle aléatoire directionnelle, où la perturbation angulaire provient d'une seule distribution, i.e., une distribution 3D brownienne.Les performances de l'algorithme de champ de complétion sont validées qualitativement et quantitativement sur des données d'IRM de diffusion provenant de fantômes synthétiques et biologiques. Les données humaines acquises in vivo sur 12 patients sont utilisées pour comparer les performances de l'algorithme que nous proposons avec d'autres méthodes de tractographie de l'état de l'art. Nous concluons finalement par une discussion sur les avantages et les limitations de la méthode développée dans cette thèse et suggérons des orientations pour les travaux futurs.
Collins, D. Louis. « 3D model-based segmentation of individual brain structures from magnetic resonance imaging data ». Thesis, McGill University, 1994. http://digitool.Library.McGill.CA:80/R/?func=dbin-jump-full&object_id=28716.
Texte intégralThe objective of this thesis is achieved by inverting the traditional segmentation strategy. Instead of matching geometric contours from an idealized atlas directly to the MRI data, segmentation is achieved by identifying the spatial transformation that, under certain constraints, best maps corresponding features between the model and a particular volumetric data set. After automatic recovery of the linear registration transform, the 3-D non-linear transformation is recovered by estimating the local deformation fields, recursively selected by stepping through the entire target volume in a 3D grid pattern, using cross-correlation of invariant intensity features derived from image data. This registration process is performed hierarchically, with each step in decreasing scale refining the fit of the previous step and providing input to the next. When completed, atlas contours defined in the model are mapped through the recovered transformation to segment structures in the original data set and identify them by name.
Experiments for registration and segmentation are presented using simple phantoms, a realistic digital brain phantom as well as human MRI data. The algorithm is used to estimate neuro-anatomical variability, to automatically segment cerebral structures and to create probabilistic representations of the same structures. Validation with manual methods shows that the procedure performs well, is objective and its implementation robust.
Christopoulos, Charitos Andreas. « Brain disease classification using multi-channel 3D convolutional neural networks ». Thesis, Linköpings universitet, Statistik och maskininlärning, 2021. http://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-174329.
Texte intégralMayerich, David Matthew. « Acquisition and reconstruction of brain tissue using knife-edge scanning microscopy ». Texas A&M University, 2003. http://hdl.handle.net/1969.1/563.
Texte intégralHeinzer, Stefan. « Hierarchical 3D imaging and quantification of brain microvasculature in a mouse model for Alzheimer's disease / ». Zürich : ETH, 2007. http://e-collection.ethbib.ethz.ch/show?type=diss&nr=17293.
Texte intégralNguyen, Peter. « CANNABINOID RECEPTORS IN THE 3D RECONSTRUCTED MOUSE BRAIN : FUNCTION AND REGULATION ». VCU Scholars Compass, 2010. http://scholarscompass.vcu.edu/etd/2274.
Texte intégralLivres sur le sujet "3D brain imaging"
Kretschmann, Hans-Joachim. Neurofunctional systems : 3D reconstructions with correlated neuroimaging. Stuttgart : Thieme, 1998.
Trouver le texte intégral1957-, Lucerna S., dir. In vivo atlas of deep brain structures : With 3D reconstructions. Berlin : Springer, 2002.
Trouver le texte intégralBorden, Neil M. 3D angiographic atlas of neurovascular anatomy and pathology. Cambridge : Cambridge University Press, 2007.
Trouver le texte intégralNaidich, Thomas P. Duvernoy’s Atlas of the Human Brain Stem and Cerebellum : High-Field MRI : Surface Anatomy, Internal Structure, Vascularization and 3D Sectional Anatomy. Vienna : Springer Vienna, 2009.
Trouver le texte intégralKumazawa-Manita, Noriko, Tsutomu Hashikawa et Atsushi Iriki. The 3D Stereotaxic Brain Atlas of the Degu : With MRI and Histology Digital Model with a Freely Rotatable Viewer. Springer, 2018.
Trouver le texte intégralKumazawa-Manita, Noriko, Tsutomu Hashikawa et Atsushi Iriki. The 3D Stereotaxic Brain Atlas of the Degu : With MRI and Histology Digital Model with a Freely Rotatable Viewer. Springer, 2019.
Trouver le texte intégralHarder, B., T. Hagemann, Martin C. Hirsch, Thomas Kramer et C. Zinecker. Neuroanatomy : 3D-Stereoscopic Atlas of the Human Brain. Springer London, Limited, 2012.
Trouver le texte intégralSalpietro, F. M., S. Lucerna, C. Alafaci et F. Tomasello. In Vivo Atlas of Deep Brain Structures : With 3D Reconstructions. Springer Berlin / Heidelberg, 2012.
Trouver le texte intégralSalpietro, F. M., S. Lucerna, C. Alafaci et F. Tomasello. In Vivo Atlas of Deep Brain Structures : With 3D Reconstructions. Springer London, Limited, 2012.
Trouver le texte intégralHirsch, Martin C., et Thomas Kramer. Neuroanatomy : 3D-Stereoscopic Atlas of the Human Brain (With CD-ROM). Springer, 1999.
Trouver le texte intégralChapitres de livres sur le sujet "3D brain imaging"
Kikinis, Ron, Ferenc A. Jolesz, Guido Gerig, Tamas Sandor, Harvey E. Cline, William E. Lorensen, Michael Halle et Stephen A. Benton. « 3D Morphometric and Morphologic Information Derived From Clinical Brain MR Images ». Dans 3D Imaging in Medicine, 441–54. Berlin, Heidelberg : Springer Berlin Heidelberg, 1990. http://dx.doi.org/10.1007/978-3-642-84211-5_28.
Texte intégralSong, Zigen, Melinda Baxter, Mingwu Jin, Jian-Xiong Wang, Ren-Cang Li, Talon Johnson et Jianzhong Su. « Sparse Sampling and Fully-3D Fast Total Variation Based Imaging Reconstruction for Chemical Shift Imaging in Magnetic Resonance Spectroscopy ». Dans Brain Informatics, 479–85. Cham : Springer International Publishing, 2018. http://dx.doi.org/10.1007/978-3-030-05587-5_45.
Texte intégralHerrmannsdörfer, Frank, Benjamin Flottmann, Siddarth Nanguneri, Varun Venkataramani, Heinz Horstmann, Thomas Kuner et Mike Heilemann. « 3D d STORM Imaging of Fixed Brain Tissue ». Dans Methods in Molecular Biology, 169–84. New York, NY : Springer New York, 2016. http://dx.doi.org/10.1007/978-1-4939-6688-2_13.
Texte intégralWu, Biao, Yutong Xie, Zeyu Zhang, Jinchao Ge, Kaspar Yaxley, Suzan Bahadir, Qi Wu, Yifan Liu et Minh-Son To. « BHSD : A 3D Multi-class Brain Hemorrhage Segmentation Dataset ». Dans Machine Learning in Medical Imaging, 147–56. Cham : Springer Nature Switzerland, 2023. http://dx.doi.org/10.1007/978-3-031-45673-2_15.
Texte intégralTudosiu, Petru-Daniel, Walter Hugo Lopez Pinaya, Mark S. Graham, Pedro Borges, Virginia Fernandez, Dai Yang, Jeremy Appleyard et al. « Morphology-Preserving Autoregressive 3D Generative Modelling of the Brain ». Dans Simulation and Synthesis in Medical Imaging, 66–78. Cham : Springer International Publishing, 2022. http://dx.doi.org/10.1007/978-3-031-16980-9_7.
Texte intégralPetrov, Dmitry, Boris A. Gutman, Egor Kuznetsov, Christopher R. K. Ching, Kathryn Alpert, Artemis Zavaliangos-Petropulu, Dmitry Isaev et al. « Deep Learning for Quality Control of Subcortical Brain 3D Shape Models ». Dans Shape in Medical Imaging, 268–76. Cham : Springer International Publishing, 2018. http://dx.doi.org/10.1007/978-3-030-04747-4_25.
Texte intégralYaqub, Mohammad, Remi Cuingnet, Raffaele Napolitano, David Roundhill, Aris Papageorghiou, Roberto Ardon et J. Alison Noble. « Volumetric Segmentation of Key Fetal Brain Structures in 3D Ultrasound ». Dans Machine Learning in Medical Imaging, 25–32. Cham : Springer International Publishing, 2013. http://dx.doi.org/10.1007/978-3-319-02267-3_4.
Texte intégralFidon, Lucas, Michael Aertsen, Nada Mufti, Thomas Deprest, Doaa Emam, Frédéric Guffens, Ernst Schwartz et al. « Distributionally Robust Segmentation of Abnormal Fetal Brain 3D MRI ». Dans Uncertainty for Safe Utilization of Machine Learning in Medical Imaging, and Perinatal Imaging, Placental and Preterm Image Analysis, 263–73. Cham : Springer International Publishing, 2021. http://dx.doi.org/10.1007/978-3-030-87735-4_25.
Texte intégralFang, Longwei, Lichi Zhang, Dong Nie, Xiaohuan Cao, Khosro Bahrami, Huiguang He et Dinggang Shen. « Brain Image Labeling Using Multi-atlas Guided 3D Fully Convolutional Networks ». Dans Patch-Based Techniques in Medical Imaging, 12–19. Cham : Springer International Publishing, 2017. http://dx.doi.org/10.1007/978-3-319-67434-6_2.
Texte intégralRusak, Filip, Rodrigo Santa Cruz, Pierrick Bourgeat, Clinton Fookes, Jurgen Fripp, Andrew Bradley et Olivier Salvado. « 3D Brain MRI GAN-Based Synthesis Conditioned on Partial Volume Maps ». Dans Simulation and Synthesis in Medical Imaging, 11–20. Cham : Springer International Publishing, 2020. http://dx.doi.org/10.1007/978-3-030-59520-3_2.
Texte intégralActes de conférences sur le sujet "3D brain imaging"
Saladi, S., P. Pinnamaneni et J. Meyer. « Texture-based 3D brain imaging ». Dans Proceedings 2nd Annual IEEE International Symposium on Bioinformatics and Bioengineering (BIBE 2001). IEEE, 2001. http://dx.doi.org/10.1109/bibe.2001.974422.
Texte intégralXiao, Sheng, Hua-an Tseng, Howard Gritton, Xue Han et Jerome Mertz. « Video-rate Volumetric Neuronal Imaging Using 3D Targeted Illumination ». Dans Optics and the Brain. Washington, D.C. : OSA, 2018. http://dx.doi.org/10.1364/brain.2018.bw2c.6.
Texte intégralXue, Yujia, Ian G. Davison, David A. Boas et Lei Tian. « Computational Miniature Mesoscope for Single-shot 3D Fluorescence Imaging ». Dans Optics and the Brain. Washington, D.C. : OSA, 2020. http://dx.doi.org/10.1364/brain.2020.btu2c.5.
Texte intégralLoncaric, Sven, Ivan Ceskovic, Ratimir Petrovic et Srecko Loncaric. « 3D quantitative analysis of brain SPECT images ». Dans Medical Imaging 2001, sous la direction de Milan Sonka et Kenneth M. Hanson. SPIE, 2001. http://dx.doi.org/10.1117/12.431055.
Texte intégralRózsa, Balázs, Zoltán Szadai, Linda Judák, Balázs Chiovini, Gábor Juhász, Katalin Ócsai, Dénes Pálfi et al. « Imaging of dendrites and sparse interneuronal networks with 3D random access microscopy ». Dans Optics and the Brain. Washington, D.C. : Optica Publishing Group, 2023. http://dx.doi.org/10.1364/brain.2023.bw3b.6.
Texte intégralSzalay, Gergely, Zoltán Szadai, Linda Judák, Pál Maák, Katalin Ócsai, Máté Veress, Tamás Tompa, Balázs Chiovini, Gergely Katona et Balázs Rózsa. « Fast 3D imaging and photostimulation by 3D acousto-optical microscopy revealed spatiotemporally orchestrated clusters in the visual cortex ». Dans Optics and the Brain. Washington, D.C. : OSA, 2019. http://dx.doi.org/10.1364/brain.2019.bm3a.1.
Texte intégralLi, Wenze, Venkatakaushik Voleti, Evan Schaffer, Rebecca Vaadia, Wesley B. Grueber, Richard S. Mann et Elizabeth Hillman. « SCAPE Microscopy for High Speed, 3D Whole-Brain Imaging in Drosophila Melanogaster ». Dans Optics and the Brain. Washington, D.C. : OSA, 2016. http://dx.doi.org/10.1364/brain.2016.btu4d.3.
Texte intégralPan, Jinghong, Wieslaw L. Nowinski, Loe K. Fock, Douglas E. Dow et Teh H. Chuan. « 3D atlas of brain connections and functional circuits ». Dans Medical Imaging 1997, sous la direction de Yongmin Kim. SPIE, 1997. http://dx.doi.org/10.1117/12.273940.
Texte intégralLeporé, Natasha, Yi-Yu Chou, Oscar L. Lopez, Howard J. Aizenstein, James T. Becker, Arthur W. Toga et Paul M. Thompson. « Fast 3D fluid registration of brain magnetic resonance images ». Dans Medical Imaging, sous la direction de Xiaoping P. Hu et Anne V. Clough. SPIE, 2008. http://dx.doi.org/10.1117/12.774338.
Texte intégralWelsh, Tom F., Klaus D. Mueller, Wei Zhu, Jeffrey R. Meade et Nora Volkow. « Brain miner : a 3D visual interface for the investigation of functional relationships in the brain ». Dans Medical Imaging 2001, sous la direction de Chin-Tu Chen et Anne V. Clough. SPIE, 2001. http://dx.doi.org/10.1117/12.428163.
Texte intégral