XiaoMi-AI文件搜索系统
World File Search SystemNeuroimage
CV - M.D. Christoph Kraus博士 Georg Dorffner，ao.univ.prof。外交。 2024年6月博士 Christina Morgenstern，博士，MS C
生物精神病学，分子精神病学，精神病学和神经科学杂志，精神病学杂志，心理医学，脑皮质，神经心理药理学，药物，药物，世界生物学精神病学杂志，神经脑图，人类脑图杂志神经科学，杂志，以及生物行为评论，分子神经生物学，社会精神病学和精神病学，虐待和忽视儿童以及许多其他人
多模式脑行为跨年龄组的不对称概括
Battaglini，M.，Gentile，G.，Luchetti，L.，Giorgio，A.，Vrenken，H. M.，Rocca，M。A.，Preziosa，P.，Gallo，A.，…De Stefano，N。（2019年）。寿命规范性数据有关大脑体积变化的速率。衰老的神经生物学，81，30 - 37。https：//doi.org/10.1016/j.neurobiolaging.2019。05.010 Cam-Can Consortium，Samu，D.，Campbell，K。L.，Tsvetanov，K。A.，Shafto，M。A.，＆Tyler，L。K.（2017）。随着年龄的增长而保留的认知功能取决于网络响应中的域依赖性变化。自然通讯，8（1），14743。https：//doi.org/10.1038/ NComms14743 Chan，M。Y.，Park，D。C.，Savalia，N。K.，Petersen，S。E.和Wig，G。S.（2014）。减少了整个健康成人寿命中大脑系统的分离。美国国家科学院的会议记录，111（46），E4997 - E5006。Cox，R。W.（1996）。afni：用于分析和可视化功能磁共振神经图像的软件。计算机和生物医学研究，29（3），162 - 173。Dale，A.，Fischl，B。，＆Sereno，M。I.（1999）。基于表面的皮质分析：I。分割和表面重建。Neuroimage，9（2），179 - 194。https：//doi.org/10.1006/nimg.1998.0395 Destrieux，C.，Fischl，B.，Dale，A。，＆Halgren，A。，＆Halgren，E。（2010）。使用标准解剖学名称的人皮层回旋和硫酸自动曲柄。Neuroimage，53（1），1 - 15。（2016）。Soc。Dhollander，T。和Connelly，A。一种新型的迭代方法，可以从仅单壳（ + b = 0）差异MRI数据中获得多组织CSD的益处。24 int。宏伟。共振。Med，24，3010。Esteban，O.，Markiewicz，C。J.，Blair，R。W.，Moodie，C.A.fmriprep：用于功能性MRI的强大预处理管道。自然方法，16（1），111 - 116。Fan，L.，Li，H.，Zhuo，J.，Zhang，Y.，Wang，J.，Chen，L.，Yang，Z.，Chu，C.，Xie，S。，＆Laird，A。R.（2016）。 人类Brainetome Atlas：基于连接架构的新大脑图集。 大脑皮层，26（8），3508 - 3526。 Fischl，B。和Dale，A。M.（2000）。 通过磁共振图像测量人脑皮质的厚度。 美国国家科学院的会议录，97（20），11050 - 11055。 Fischl，B.，Liu，A。和Dale，A。M.（2001）。 自动流动手术：构建人类大脑皮层的几何准确和拓扑上正确的模型。 IEEE医学成像，20（1），70 - 80。 Fischl，B.，Salat，D.H.，Busa，E.，Albert，M.，Dieterich，M.，Haselgrove，C.，van der Kouwe，A.，Killiany，R.，Kennedy，D.，Klaveness，S.，Montillo，S.，Montillo，A.，Makris，A. 整个大脑分割：人脑中神经解剖结构的自动标记。 Neuron，33，341 - 355。 磁共振图像的独立序列分段。 （1999）。Fan，L.，Li，H.，Zhuo，J.，Zhang，Y.，Wang，J.，Chen，L.，Yang，Z.，Chu，C.，Xie，S。，＆Laird，A。R.（2016）。人类Brainetome Atlas：基于连接架构的新大脑图集。大脑皮层，26（8），3508 - 3526。Fischl，B。和Dale，A。M.（2000）。通过磁共振图像测量人脑皮质的厚度。美国国家科学院的会议录，97（20），11050 - 11055。Fischl，B.，Liu，A。和Dale，A。M.（2001）。 自动流动手术：构建人类大脑皮层的几何准确和拓扑上正确的模型。 IEEE医学成像，20（1），70 - 80。 Fischl，B.，Salat，D.H.，Busa，E.，Albert，M.，Dieterich，M.，Haselgrove，C.，van der Kouwe，A.，Killiany，R.，Kennedy，D.，Klaveness，S.，Montillo，S.，Montillo，A.，Makris，A. 整个大脑分割：人脑中神经解剖结构的自动标记。 Neuron，33，341 - 355。 磁共振图像的独立序列分段。 （1999）。Fischl，B.，Liu，A。和Dale，A。M.（2001）。自动流动手术：构建人类大脑皮层的几何准确和拓扑上正确的模型。IEEE医学成像，20（1），70 - 80。Fischl，B.，Salat，D.H.，Busa，E.，Albert，M.，Dieterich，M.，Haselgrove，C.，van der Kouwe，A.，Killiany，R.，Kennedy，D.，Klaveness，S.，Montillo，S.，Montillo，A.，Makris，A.整个大脑分割：人脑中神经解剖结构的自动标记。Neuron，33，341 - 355。磁共振图像的独立序列分段。（1999）。Fischl，B.，Salat，D.H.，van der Kouwe，A.J.W.，Makris，N.，Ségonne，F.，Quinn，B.T。，＆Dale，A.M。（2004）。 Neuroimage，23（Suppl 1），S69 - S84。 https://doi.org/10.1016/j.neuroimage.2004.07.016 Fischl，B.，Sereno，M.I。，＆Dale，＆Dale，A. 基于表面的分析：II：通货膨胀，变平和基于表面的坐标系。 Neuro-图像，9（2），195 - 207。https：//doi.org/10.1006/nimg.1998.0396 Gao，M.，Wong，C.H。Y.，Huang，Huang，H.，Shao，Shao，Shao，R. 基于连接的模型可以预测老年人的速度。 Neuroimage，223，117290。https：//doi.org/ 10.1016/j.neuroimage.2020.117290 Gao，S.，Greene，A.S.，Constable，R.T。，＆Scheinost，D。（2019）。 组合多个连接组可改善表型度量的预测建模。 Neuroimage，201，116038。https：//doi.org/10.1016/j。 Neuroimage.2019.116038Fischl，B.，Salat，D.H.，van der Kouwe，A.J.W.，Makris，N.，Ségonne，F.，Quinn，B.T。，＆Dale，A.M。（2004）。Neuroimage，23（Suppl 1），S69 - S84。https://doi.org/10.1016/j.neuroimage.2004.07.016 Fischl，B.，Sereno，M.I。，＆Dale，＆Dale，A.基于表面的分析：II：通货膨胀，变平和基于表面的坐标系。Neuro-图像，9（2），195 - 207。https：//doi.org/10.1006/nimg.1998.0396 Gao，M.，Wong，C.H。Y.，Huang，Huang，H.，Shao，Shao，Shao，R.基于连接的模型可以预测老年人的速度。Neuroimage，223，117290。https：//doi.org/ 10.1016/j.neuroimage.2020.117290 Gao，S.，Greene，A.S.，Constable，R.T。，＆Scheinost，D。（2019）。组合多个连接组可改善表型度量的预测建模。Neuroimage，201，116038。https：//doi.org/10.1016/j。Neuroimage.2019.116038
AI增强了大脑成像 - 精选的手术过程拖拉术
在半球术患者完整半球中的下纵向筋膜（ILF）的重建。在特写镜头中，与红色矩形内的区域相对应，在切片附近剪辑了流线，以更好地可视化事实，即TractSeg在病变内重建流线，而提议的正规化低率重建则更准确地排除了病变，尽管分裂了整体较大的Tract体积，但仍将病变排除在外。信用：神经图像：临床（2025）。doi：10.1016/j.nicl.2025.103738
Nanthia Suthana博士Nanthia Suthana博士
Bocchetta，M.，Burggen，A.C.，Carr，V.A.，Chakravarty，M.M.，Chelat，G.，Daugherty，A.M.，Davachi，L. K.F.，Libby，L.A.，Malykhin，N.，Mueller，S.G.，Olsen，R.K.，Palombo，D.J.，Parekh，M.B.，M.B.，Pluta，J.B.，Preston，Preston，A.R. M.L.，Schoemaker，D.，Singh，S.，Stark，C.E.，Suthana，N.，Tompry，A.（2015）在体内MRI中标记海马子场和众多子区域的21种方案的定量比较：迈向Harmaronized分割方案。Neuroimage，111：526-41。PMC4387011。[链接]
对执行白质学分割的自动化方法的系统综述
白质区域分割是一个关键的研究领域，该研究领域利用扩散加权的磁共振成像（DMRI）来识别和映射单个白质区域及其轨迹。本研究旨在提供有关脑DMRI扫描中白质区域分割的自动化方法的全面系统文献综述。有关PubMed的文章，ScienceDirect [神经图像，神经图像（临床），医学图像分析]，Scopus和IEEExplore数据库以及医学成像计算和计算机辅助干预协会（MICCAI）（MICCAI）（MICCAI）和国际生物医学成像（ISBI）的国际审核组织（ISBI）的会议记录。此系统搜索和评论确定了619篇文章。使用查询“白质区分割或纤维道识别或纤维束分割或拖拉术解剖或白质分割或区域分割”来遵守指定的搜索标准。其中，有27％采用基于直接体素的方法，25％应用基于流线的聚类方法，20％使用基于流线的分类方法，14％实施了基于ATLAS的方法，以及14％使用的混合方法。本文深入研究了与每个类别相关的研究差距和挑战。此外，这篇评论论文阐明了最常使用的公共数据集，以进行管段分割及其特定特征。此外，它提出了评估策略及其关键属性。审查以详细讨论该领域的挑战和未来方向进行了详细讨论。
幼儿脑量的轨迹与孕产妇教育有关
Aitchison，J。（1982）。组成数据的统计分析。皇家统计学会杂志：B系列（统计方法论），44（2），139 - 177。Barnea-Goraly，N.，Menon，V.，Eckert，M.，Tamm，L.，Bammer，R.，Karchemskiy，A. 童年和青春期的白质开发：一项横截面扩散张量成像研究。 大脑皮层，15（12），1848 - 1854年。 Bernal-Rusiel，J。L.，Greve，D。N.，Reuter，M.，Fischl，B.，Sabuncu，M。R.，＆Alzheimer's Diseation neurotimanting Initiative。 （2013）。 具有线性混合效应模型的纵向神经图像数据的统计分析。 neu-roimage，66，249 - 260。 Bernal-Rusiel，J。L.，Reuter，M.，Greve，D.N.，Fischl，B.，Sabuncu，M。R.，＆Alzheimer's Disision神经影像学计划。 （2013）。 时空线性混合效应模型，用于纵向神经图像数据的质量分析。 Neuroimage，81，358 - 370。 Blakemore，S.-J。和Choudhury，S。（2006）。 青少年大脑的发展：对执行功能和社会认知的影响。 儿童心理学与精神病学杂志，47（3 - 4），296 - 312。 Bradley，R。H.和Corwyn，R。F.（2002）。 社会经济地位和儿童发展。 心理学年度评论，53（1），371 - 399。 Bray，S.，Krongold，M.，Cooper，C。和Lebel，C。（2015年）。 年龄对整个儿童和青春期白色和灰质体积模式的协同作用。 Campbell，F。A.和Ramey，C。T.（1994）。Barnea-Goraly，N.，Menon，V.，Eckert，M.，Tamm，L.，Bammer，R.，Karchemskiy，A.童年和青春期的白质开发：一项横截面扩散张量成像研究。大脑皮层，15（12），1848 - 1854年。Bernal-Rusiel，J。L.，Greve，D。N.，Reuter，M.，Fischl，B.，Sabuncu，M。R.，＆Alzheimer's Diseation neurotimanting Initiative。（2013）。具有线性混合效应模型的纵向神经图像数据的统计分析。neu-roimage，66，249 - 260。Bernal-Rusiel，J。L.，Reuter，M.，Greve，D.N.，Fischl，B.，Sabuncu，M。R.，＆Alzheimer's Disision神经影像学计划。 （2013）。 时空线性混合效应模型，用于纵向神经图像数据的质量分析。 Neuroimage，81，358 - 370。 Blakemore，S.-J。和Choudhury，S。（2006）。 青少年大脑的发展：对执行功能和社会认知的影响。 儿童心理学与精神病学杂志，47（3 - 4），296 - 312。 Bradley，R。H.和Corwyn，R。F.（2002）。 社会经济地位和儿童发展。 心理学年度评论，53（1），371 - 399。 Bray，S.，Krongold，M.，Cooper，C。和Lebel，C。（2015年）。 年龄对整个儿童和青春期白色和灰质体积模式的协同作用。 Campbell，F。A.和Ramey，C。T.（1994）。Bernal-Rusiel，J。L.，Reuter，M.，Greve，D.N.，Fischl，B.，Sabuncu，M。R.，＆Alzheimer's Disision神经影像学计划。（2013）。时空线性混合效应模型，用于纵向神经图像数据的质量分析。Neuroimage，81，358 - 370。Blakemore，S.-J。和Choudhury，S。（2006）。青少年大脑的发展：对执行功能和社会认知的影响。儿童心理学与精神病学杂志，47（3 - 4），296 - 312。Bradley，R。H.和Corwyn，R。F.（2002）。 社会经济地位和儿童发展。 心理学年度评论，53（1），371 - 399。 Bray，S.，Krongold，M.，Cooper，C。和Lebel，C。（2015年）。 年龄对整个儿童和青春期白色和灰质体积模式的协同作用。 Campbell，F。A.和Ramey，C。T.（1994）。Bradley，R。H.和Corwyn，R。F.（2002）。社会经济地位和儿童发展。心理学年度评论，53（1），371 - 399。Bray，S.，Krongold，M.，Cooper，C。和Lebel，C。（2015年）。年龄对整个儿童和青春期白色和灰质体积模式的协同作用。Campbell，F。A.和Ramey，C。T.（1994）。Campbell，F。A.和Ramey，C。T.（1994）。Eneuro，2（4），Eneuro.0003 - Eneu15.2015。Bruchhage，M.M.，Ngo，G.-C.，Schneider，N.，D'Sa，V。，＆Deoni，S。C.（2020）。功能连通性与婴儿和早期儿童认知发展的相关性。大脑结构和功能，225（2），669 - 681。早期干预对智力和学术成就的影响：对低收入家庭的儿童的后续研究。儿童发展，65（2），684 - 698。Chakraborty，S。和Zhang，X。（2021）。在高维度中用于距离和基于内核的指标的新框架。电子统计杂志，15（2），5455 - 5522。Chen，E。Z.和Li，H。（2016）。分析纵向微生物组组成数据的两部分混合效应模型。生物信息学，32（17），2611 - 2617。Chen，Y.，Dubey，P.，Müller，H.-G.，Bruchhage，M.，Wang，J.-L。，＆Deoni，S。（2021）。 对早期神经发育中的稀疏纵向数据进行建模。 Neuroimage，237，118079。 dai，X.，Hadjipantelis，P.，Wang，J.-L.，Deoni，S.C。L.，＆Müller，H.-G。 （2019）。 白质成熟与整个幼儿的认知发展之间的纵向关联。 人脑图，40（14），4130 - 4145。 Dai，X.，Lin，Z。，＆Müller，H.-G。 （2021）。 建模Riemannian歧管上的稀疏纵向数据。 Biometrics，77（4），1328 - 1341。Chen，Y.，Dubey，P.，Müller，H.-G.，Bruchhage，M.，Wang，J.-L。，＆Deoni，S。（2021）。对早期神经发育中的稀疏纵向数据进行建模。Neuroimage，237，118079。dai，X.，Hadjipantelis，P.，Wang，J.-L.，Deoni，S.C。L.，＆Müller，H.-G。 （2019）。白质成熟与整个幼儿的认知发展之间的纵向关联。人脑图，40（14），4130 - 4145。Dai，X.，Lin，Z。，＆Müller，H.-G。 （2021）。 建模Riemannian歧管上的稀疏纵向数据。 Biometrics，77（4），1328 - 1341。Dai，X.，Lin，Z。，＆Müller，H.-G。 （2021）。建模Riemannian歧管上的稀疏纵向数据。Biometrics，77（4），1328 - 1341。
BrainForge：用于综合神经影像采集、分析和共享的在线数据分析平台
1. Morita T、Asada M、Naito E。神经影像学研究对理解人类认知大脑功能发展的贡献。Front Hum Neurosci。2016；10：464。doi：10.3389/fnhum.2016.00464 2. Bandettini PA。神经影像学方法有什么新进展？Ann NY Acad Sci。2009；1156：260-293。doi：10.1111/j.1749-6632.2009.04420.x 3. Verner E、Baker BT、Bockholt J 等人。使用 BrainForge 加速神经影像学研究。Gateways 2020，会议改善生物医学研究的数据使用； 2020 年 10 月 21 日。4. Poldrack RA、Baker CI、Durnez J 等人。扫描地平线：迈向透明和可重复的神经影像学研究。Nat Rev Neurosci。2017；18(2):115-126。doi: 10.1038/nrn.2016.167 5. Gorgolewski K、Poldrack R。提高神经影像学研究透明度和可重复性的实用指南。PLOS Biol。2016；14:e1002506。doi: 10.1371/journal.pbio.1002506 6. Baker M。1,500 名科学家揭开可重复性的面纱。Nature。2016；533(7604):452-454。 doi: 10.1038/533452a 7. Scott A、Courtney W、Wood D 等人。COINS：为大型异构数据集构建的创新信息学和神经成像工具套件。Front Neuroinform。2011；5：33。doi: 10.3389/fninf.2011.00033 8. Yoo AB、Jette MA、Grondona M。SLURM：用于资源管理的简单 Linux 实用程序。引自：Feitelson D、Rudolph L、Schwiegelshohn U 编。并行处理的作业调度策略。JSSPP 2003。计算机科学讲义。Springer；2003：44-60。9. Avesani P、McPherson B、Hayashi S 等人。开放扩散数据衍生物、通过衍生物的集成发布和可复制的开放云服务进行脑数据升级。 Sci Data 。2019；6(1)：69。doi：10.1038/s41597-019-0073-y 10. Flywheel。为医疗和研究领域的数字化转型提供动力。2021 年 5 月 14 日访问。flywheel.io 11. Kurtzer GM、Sochat V、Bauer MW。Singularity：用于移动计算的科学容器。PLoS One。2017；12(5)：e0177459。doi：10.1371/journal.pone。0177459 12. Merkel D。Docker：用于一致开发和部署的轻量级 Linux 容器。Linux J 。2014；239：2。13. Ashburner J、Barnes G、Chen CC 等人。SPM12 手册。第 2464 卷。威康信托神经影像中心；2014 年。14. Smith SM、Jenkinson M、Woolrich MW 等人。功能性和结构性 MR 图像分析进展以及作为 FSL 的实现。神经影像。2004 年；23 (Suppl 1)：S208-S219。doi: 10.1016/j.neuroimage.2004.07.051 15. Cox RW。AFNI：用于分析和可视化功能性磁共振神经影像的软件。Comput Biomed Res。1996 年；29(3)：162-173。doi: 10. 1006/cbmr.1996.0014 16. Cox RW、Hyde JS。用于分析和可视化 fMRI 数据的软件工具。NMR Biomed。 1997；10(4–5)：171-178。doi：10.1002/(SICI)1099- 1492(199706/08)10:4/5<171::AID-NBM453>3.0.CO；2-L 17. fMRI 工具箱的 Group ICA (v4.0c)。神经影像和数据科学转化研究中心。2021 年 5 月 6 日访问。https://trendscenter. org/software/gift/ 18. TReNDS 中心。Docker, Inc.访问日期：2022 年 1 月 13 日。https://hub.docker.com/orgs/trendscenter/repositories 19. 神经影像和数据科学转化研究中心。GitHub, Inc. https://github.com/trendscenter/ 20. Gorgolewski K、Burns CD、Madison C 等人。Nipype：一个灵活、轻量且可扩展的 Python 神经影像数据处理框架。Front Neuroinform。2011；5：13。doi：10.3389/fninf.2011.00013 21. GorgolewskiKJ、AuerT、CalhounVD 等人。Thebrainimagingdatastructure，一种组织和描述神经影像实验输出的格式。Sci Data。2016；3(1)：160044。 doi: 10.1038/sdata.2016.44 22. FosterI.Globusonline：通过云服务加速和民主化科学。IEEEInternetComput。2011；15(3)：70-73。doi: 10.1109/MIC。2011.64 23. Allen B、Bresnahan J、Childers L 等人。面向数据科学家的软件即服务。Commun ACM。2012；55(2)：81-88。doi: 10.1145/2076450.2076468 24. Calhoun VD、Adali T、Pearlson GD、Pekar JJ。一种使用独立成分分析从功能性 MRI 数据进行组推断的方法。Hum Brain Mapp。2001；14(3)：140-151。 doi: 10.1002/hbm.1048 25. Allen E、Erhardt E、Damaraju E 等。静息状态网络多变量比较的基线。Front Syst Neurosci。2011；5：2。doi: 10.3389/ fnsys.2011.00002 26. Allen EA、Damaraju E、Plis SM、Erhardt EB、Eichele T、Calhoun VD。跟踪静息状态下的全脑连接动态。大脑皮层。2014；24(3)：663-676。doi: 10.1093/cercor/bhs352 27. Ashburner J、Friston KJ。基于体素的形态测量——方法。神经影像学。2000；11(6)：805-821。 doi: 10.1006/nimg.2000.0582 28. Fischl B. FreeSurfer。神经影像学。2012；62(2):774-781。doi: 10.1016/j.neuroimage.2012.01.021 29. Andersson JLR、Sotiropoulos SN。一种用于校正扩散 MR 成像中的偏共振效应和受试者运动的综合方法。神经影像学。2016；125:1063-1078。doi: 10.1016/j.neuroimage.2015.10.019 30. Andersson JL、Skare S、Ashburner J。如何校正自旋回波平面图像中的磁化率畸变：应用于扩散张量成像。神经影像学。 2003；20(2):870-888。doi: 10.1016/s1053-8119(03)00336-7 31. Andersson JLR、Graham MS、Drobnjak I、Zhang H、Filippini N、Bastiani M。面向扩散 MR 图像运动和失真校正的综合框架：体积运动内。神经影像学。2017；152:450-466。doi: 10.1016/j.neuroimage.2017.02.085 32. CalhounVinceD、MillerR、PearlsonG、Adal 𝚤 T。Thechronnectome：时变连接网络作为fMRIdatadiscovery 的下一个前沿。神经元。2014；84(2):262-274。 doi: 10.1016/j.neuron.2014.10.015 33. Du Y、Fu Z、Sui J 等人。NeuroMark：一种基于自动化和自适应 ICA 的管道，用于识别可重复的 fMRI 脑部疾病标记物。神经影像：临床。2020；28：102375。doi: 10.1016/j.nicl.2020.102375 34. Griffanti L、Zamboni G、Khan A 等人。BIANCA（脑强度异常分类算法）：一种用于自动分割白质高信号的新型工具。神经影像学。2016；141：191-205。doi：10.1016/j.neuroimage.2016.07.018
展示。博士医学Volker Arnd Coenen 医学总监简历
德国神经外科学会 欧洲神经外科学会协会 (EANS) 运动障碍学会 德国计算机和机器人辅助手术学会 欧洲立体定向和功能性神经外科学会 (ESSFN) 世界功能性和立体定向神经外科学会 (WSFSN) 基尔 Tiefe Hirnstimulation 工作联合会 (Gründungsmitglied) 以下期刊的常任审稿人： 《神经外科》(美国) 《临床神经病学和神经外科》 《神经外科学报》(维也纳) 《中欧神经外科》 《神经病学神经外科和精神病学杂志》(伦敦，英国) 《国际医用机器人和计算机辅助手术杂志》(英国) 《癫痫》 《神经影像》
MDBrain | MDProstate 1.1 Akhondi-Asl，A.，和 Warfield。SK......
MDBrain | MDProstate 1.1 Akhondi-Asl, A. 和 Warfield. SK (2013)。通过融合概率分割同时估计真实性和性能水平。IEEE 医学影像学报 32，1840-1852。doi：10.1I09/TMI.2013.2266258 1.2 Allay, EE. Fisher. E.. Iones. SE、Hara-Cleaver, G、Lee, LG 和 Rudick, RA (2013)。在多发性硬化症诊所中使用磁共振成像对多发性硬化症疾病活动进行分类的可靠性。JAMA Neurol. 70，338-344。doi：I0.1001/2013.jamaneuroL211 1.3 Battagiini, M.. Rossi, F.» Grove, RA、Stromillo, M. L、Whitcher, B.、Matthews, PM. 等人 (2014)。使用减影图像自动识别多发性硬化症中的大脑新病变。I. Magn. Reson. Imaging 39, 1543-1549。doi: 10.1002/jmri .24293 1.4 Baur, G、Denner, S.、Wiestler, B.、Navab, N. 和 Albarqouni, S. (2021)。用于脑部 MR 图像中无监督异常分割的自动编码器：一项比较研究。Med. Image Anal. 69:101952。doi: 10.1016/j.media.2020.101952 1.5 Bose, M.、Heitz. F.» Armspach, J.-P.» Namer, L, Gounot, D. 和 Rumbach. L (2003)。多模态序列 MR1 中的自动变化检测：应用于多发性硬化症病变演变。NeuroImage 20, 643-656。doi: 10.1016ZS1053-8119(03)00406 3 1.6 Brownlee, WJ, Altmann. DR. Prados, F., Miszkiel, KA. Eshaghi, A., Gandini Wheeler-Kingshott, Q A. 等人 (2019)。复发型多发性硬化症长期结果的早期成像预测因子。Brain 142。2276-2287。doi: !0.1093/brain/awzl56 1.7 Carass, A., Roy, log. A., Cuzzocreo。 J. L、Magrath、E.、Gherman、A. 等 (2017)。纵向多发性硬化症病变分割：资源与挑战。NeuroImage 148,77-102。doi：10.10I6/j.neuroimage20l6.12.064 1.8 Qtek、0.、Abdulkadir、A.、I.ienkamp、SS。Brox、T.» 和 Ronneberger、O. (2016)。“3D U-Net 从稀疏注释中学习密集体积分割。”国际医学图像计算与计算机辅助干预会议 (雅典：Springer)，424-432。1.9 Commowick、O.、Istace、A.、Kain、M.» Laurent. B.. Leray, F., Simon, M.. 等人 (2018)。使用数据管理和处理基础架构对多发性硬化症病变分割进行客观评估。Sci. Rep. 8, 1-17。doi: 10.1038/S41598-018-31911-7 1.10 Egger, G, Opfer, R., Wang, C.» Kepp, T.» Sormani, MP。Spies, L, 等人 (2017)。多发性硬化症中的 MR1 FLAIR 病变分割：自动分割是否与手动注释相符？NeuroImage Clin. 13, 264-270。doi: 10.1016/j.nicl.2016.11.020
bnerjee，arpan
在专业机构中获得认可2014-2017选拔委员会成员 - 访谈，Indo-us fulbright奖学金计划2013年 - 印度神经科学学院生命会员，2007年神经科学学院成员，神经科学学会，2016年神经科学学会，主持人执行委员会成员委员会成员/司库认知科学协会，印度临界人士，脑海中的领域，脑目，脑，2013-- in Network Physiology 2007- Ad-hoc reviewer Biological Cybernetics, NeuroImage, Neurocomputing, PLOS One, Journal of Cognitive Neuroscience, Physics Letters, Physical Review Letters, Frontiers in Systems Neuroscience, Frontiers in Computational Neuroscience, Frontiers in Brain Imaging Methods, Frontiers in Neurology, Scientific Reports, Cortex, Journal of Neural Engineering