US DE COOKIES Utilitzem cookies necessàries de sistema per al correcte funcionament de la web i cookies opcionals de Google Analytics per obtenir estadístiques de visita. +info
Configuració cookies
Necessàries
Les cookies necessàries són absolutament essencials perquè el lloc web funcioni correctament. Aquesta categoria només inclou galetes que garanteixen funcionalitats bàsiques i funcions de seguretat del lloc web. Aquestes cookies no emmagatzemen cap informació personal.
Nom
Proveïdor
Propietat
Finalitat
Caducitat
+info
_GRECAPTCHA
google.com
Propia
Proveir protecció antispam amb el servei reCaptcha
6 mesos
cc_cookie_accept
fidmag.org
Propia
Usada per confirmar que l'usuari ha confirmat / refusat les cookies (i quins tipus accepta)
1 any
WEB_SESSION
fidmag.org
Propia
Cookie técnica: cookie de sessió PHP. Guarda l'id de sessió d'usuari.
al acabar la sessió
Anàlisi
Les cookies analítiques s'utilitzen per entendre com interactuen els visitants amb el lloc web. Aquestes cookies ajuden a proporcionar informació sobre mètriques, el nombre de visitants, el percentatge de rebots, la font del trànsit, etc.
Nom
Proveïdor
Propietat
Finalitat
Caducitat
+info
_ga
Google Analytics
De tercers
Cookie d'anàlisi o mesurament: Identifica els usuaris i proporciona informació sobre com els usuaris troben la pàgina web i com la utilitzen per a realització d'Informes estadístics
2 anys
_gat_gtag_UA_141706552_1
Google Analytics
De tercers
Cookie d'anàlisi o mesurament: Tracking per part de google per google analytics
1 minut
_gid
Google Analytics
De tercers
Cookie d'anàlisi o mesurament: S'usa per limitar el percentatge de sol·licituds
Aceleración de la técnica de imagen de la micro-estructura de los tejidos a partir de datos de resonancia de difusión mediante optimización convexa.
Daducci A, Canales-Rodríguez EJ, Zhang H, Dyrby TB, Alexander DC, Thiran JP
Servei limitat a col·laboradors/res de la xarxa de centres de Germanes Hospitalàries. Rebreu un missatge al vostre correu-e amb un enllaç per a la descàrrega del present article.
Abstract
La formación de imágenes de la micro-estructura de los tejidos a partir de datos de difusión de resonancia magnética (MR) representa una valiosa herramienta para estudiar de forma no invasiva la morfología de los tejidos y para proporcionar una visión biológica de su organización micro-estructural. En los últimos años, se han propuesto una variedad de modelos biofísicos para asociar patrones particulares observados en la señal medida con propiedades micro-estructurales específicas del tejido neuronal, tales como el diámetro del axón y la densidad de la fibra. A pesar de unos resultados muy atractivos que muestran que los índices de micro-estructura estimados concuerdan muy bien con los exámenes histológicos, las técnicas actuales requieren procedimientos no lineales muy costozos computacionalmente que en la práctica, exigen el uso de clusters de ordenadores potentes para aplicaciones a gran escala. En este trabajo, presentamos un marco general para la estimación acelerada de imágenes de la micro-estructura a través de herramientas de optimización convexa (método AMICO) y mostramos cómo re-formular esta clase de técnicas en término de sistemas lineales convenientes que, entonces, pueden ser eficientemente resueltos usando algoritmos muy rápidos. Se demuestra esta linealización para dos modelos específicos: ActiveAx y Noddi, proporcionando una alternativa muy atractiva para la estimación de parámetros en estas técnicas; Sin embargo, el marco AMICO es general y lo suficientemente flexible como para trabajar también para una variedad más amplia de métodos de imagen de la micro-estructura. Los resultados demuestran que AMICO representa un medio eficaz para acelerar drásticamente el ajuste de las técnicas existentes (hasta cuatro órdenes de magnitud más rápido) preservando al mismo tiempo la exactitud y precisión en los parámetros estimados del modelo (correlación por encima de 0,9). Creemos que la disponibilidad de este tipo de algoritmos ultra-rápidos favorecerá la propagación de la la técnica de imagen de la micro-estructura para cohortes más grandes de pacientes y ayudar a estudiar un espectro más amplio de trastornos neurológicos.