Байесовская оценка шаблонов в вычислительной анатомии - Bayesian estimation of templates in computational anatomy

Статистический анализ формы и статистическая теория формы в вычислительная анатомия (CA) выполняется относительно шаблонов, поэтому это локальная теория статистики формы. Оценка шаблона в вычислительная анатомия от совокупности наблюдений - фундаментальная операция, присущая дисциплине. Несколько методов оценки шаблона на основе Байесовский вероятность и статистика в случайная орбитальная модель КА возникли для подмногообразий[1][2] и плотные объемы изображений.[3]

Деформируемая шаблонная модель форм и форм посредством действий диффеоморфных групп

Линейная алгебра является одним из центральных инструментов современной инженерии. Центральное место в линейной алгебре занимает понятие орбиты векторов с матрицами, образующими группы (матрицы с обратными и идентичными), которые действуют на векторы. В линейной алгебре уравнения, описывающие элементы орбиты, являются линейными по отношению к векторам, на которые действуют матрицы. В вычислительная анатомия пространство всех форм и форм моделируется как орбита, аналогичная векторам в линейной алгебре, однако группы не действуют линейно, как матрицы, а формы и формы не аддитивны. В вычислительной анатомии сложение, по сути, заменяется законом композиции.

Центральная группа, действующая CA, определенная на томах в являются диффеоморфизмы которые являются отображениями с 3-компонентными , закон сложения функций , с обратным .

Группы и группа знакомы инженерному сообществу с повсеместной популяризацией и стандартизацией линейная алгебра как базовая модель

Популярный групповое действие находится на скалярных изображениях, , с действием справа через инверсию.

Для суб-коллекторы , параметризованный диаграммой или погружение , диффеоморфное действие потока позиции

Несколько групповые действия в вычислительной анатомии были определены.

Геодезическое позиционирование с помощью римановой экспоненты

Для изучения деформируемой формы в CA предпочтительной была группа более общих диффеоморфизмов, которая является бесконечномерным аналогом. Группы диффеоморфизмов большой размерности, используемые в вычислительной анатомии, генерируются с помощью гладких потоков которые удовлетворяют лагранжевой и эйлеровой спецификации полей течения, удовлетворяющих обыкновенному дифференциальному уравнению:

Отображение лагранжевого потока координат со связанными векторными полями удовлетворяющее обыкновенному дифференциальному уравнению .

 

 

 

 

(Лагранжев поток)

с векторные поля на назвал Эйлеров скорость частиц в положении потока. Векторные поля - это функции в функциональном пространстве, моделируемом как гладкая Гильберта пространство с векторными полями, имеющими 1-непрерывную производную. За , с обратным для потока, заданным формулой

 

 

 

 

(Эйлеров поток)

и Матрица Якоби для потоков в дан как

Впервые были представлены потоки[4][5] при больших деформациях при сопоставлении изображений; это мгновенная скорость частицы вовремя . с векторными полями, названными эйлеровой скоростью частиц в положении потока. Подход к моделированию, используемый в CA, обеспечивает выполнение условия непрерывной дифференцируемости векторных полей путем моделирования пространства векторных полей. как воспроизводящее ядро ​​гильбертова пространства (RKHS), с нормой, определенной 1-1, дифференциальным оператором, Обратная Грина . Норма по где для обобщенная функция или распределение, тогда . С является дифференциальным оператором, конечность квадрата нормы включает производные от дифференциального оператора, подразумевающие гладкость векторных полей.

Чтобы обеспечить гладкие потоки диффеоморфизмов с обратными, векторные поля должен быть хотя бы один раз непрерывно дифференцируемым в пространстве[6][7] которые моделируются как элементы гильбертова пространства с использованием Соболев теоремы вложения так, чтобы каждый элемент имеет 3-квадратично интегрируемые производные. Таким образом плавно вложить в одноразовые непрерывно дифференцируемые функции.[6][7] Группа диффеоморфизмов - это потоки с векторными полями, абсолютно интегрируемыми в норме Соболева:

 

 

 

 

(Группа диффеоморфизмов)

Байесовская модель вычислительной анатомии

Центральная статистическая модель вычислительная анатомия в контексте медицинская визуализация является канальной моделью источника Теория Шеннона;[8][9][10] источник - деформируемый шаблон изображений , выходами каналов являются датчики изображения с наблюдаемыми . Различия в анатомических конфигурациях моделируются отдельно от методов медицинской визуализации. Компьютерная аксиальная томография машина, МРТ машина, ДОМАШНИЙ ПИТОМЕЦ машина и другие. В Теория байеса моделирует приор по источнику изображений на , а условная плотность на наблюдаемых изображениях , при условии . Для изображений с действие группы диффеоморфизмов , то приор по группе вызывает априор на изображениях , записанный как плотности, лог-апостериорный принимает вид

Максимальная апостериорная оценка (MAP) оценка занимает центральное место в современной статистическая теория. Интересующие параметры принимает множество форм, включая (i) тип заболевания, например нейродегенеративный или же неврологический заболевания, (ii) тип структуры, такой как корковые или подкорковые структуры, в задачах, связанных с сегментацией изображений, и (iii) реконструкция шаблона из популяций. Учитывая наблюдаемое изображение , Оценка MAP максимизирует апостериорную:

Показаны шаблоны формы миндалины, гиппокампа и желудочка, полученные из 754 образцов ADNI. Верхняя панель обозначает локализованные групповые различия площади поверхности между нормальным старением и болезнью Альцгеймера (положительный результат представляет атрофию при болезни Альцгеймера, тогда как отрицательный показатель предполагает расширение). Нижняя панель обозначает групповые различия в среднегодовых темпах изменения локализованных участков поверхности (положительный результат представляет более высокие темпы атрофии (или более медленные темпы расширения) при болезни Альцгеймера, тогда как отрицательный показатель предполагает более высокие темпы расширения (или более низкие темпы атрофии) при болезни Альцгеймера); взято из Tang et al.[11][12][13]

Это требует вычисления условных вероятностей . Модель орбиты нескольких атласов рандомизируется по счетному набору атласов. . Модель на изображениях на орбите принимает вид многомодального распределения смеси


Шаблоны поверхностей для вычислительной нейроанатомии и подкорковых структур

Изучение подкорковой нейроанатомии было в центре внимания многих исследований. Начиная с оригинальных публикаций Чернански и его коллег об изменении гиппокампа при шизофрении,[14][15][16][17] Болезнь Альцгеймера,[18][19][20] и депрессия,[21][22] Многие статистические исследования нейроанатомической формы были завершены с использованием шаблонов, построенных на основе всех подкорковых структур депрессии,[23] Болезнь Альцгеймера,[11][12][24][25][26][27] Биполярное расстройство, СДВГ,[28] аутизм[29] и болезнь Хантингтона.[30][31] Шаблоны были созданы с использованием данных оценки байесовских шаблонов, полученных Ма, Юнесом и Миллером.[32]

На прилагаемом рисунке показан пример шаблонов подкорковых структур, созданных из T1-взвешенных магнитно-резонансная томография по Tang et al.[11][12][13] для исследования болезни Альцгеймера в популяции субъектов ADNI.

Оценка поверхности в вычислительной анатомии сердца

Показаны атласы сердца населения с наложенной гипертрофией.
Показаны атласы населения, определяющие региональные различия радиальной толщины в конечной систолической сердечной фазе между пациентами с гипертрофической кардиомиопатией (слева) и гипертонической болезнью сердца (справа). Серая сетка показывает общий шаблон поверхности для населения, а цветовая карта представляет базилярную перегородку и переднюю эпикардиальную стенку с большей радиальной толщиной у пациентов с гипертрофической кардиомиопатией по сравнению с гипертонической болезнью сердца.[33]

В настоящее время проведены многочисленные исследования гипертрофии сердца и роли структурных элементов в функциональной механике сердца. Сиамак Ардекани работает над популяциями анатомии сердца, реконструируя системы координат атласа из популяций.[34][35][36] На рисунке справа показан метод компьютерной анатомии сердца, используемый для определения региональных различий в радиальной толщине в конечной систолической фазе сердца между пациентами с гипертрофической кардиомиопатией (слева) и гипертонической болезнью сердца (справа). Цветная карта, размещенная на общем шаблоне поверхности (серая сетка), представляет область (базилярная перегородка и передняя эпикардиальная стенка), которая в среднем имеет значительно большую радиальную толщину у пациентов с гипертрофической кардиомиопатией по сравнению с гипертонической болезнью сердца (ссылка ниже).[33]

MAP Оценка шаблонов объема по популяциям и алгоритм EM

Создание шаблонов эмпирическим путем из популяций является фундаментальной операцией, повсеместно применяемой в этой дисциплине. Для подмногообразий и плотных объемов изображений появилось несколько методов, основанных на байесовской статистике. Для случая плотных объемов изображений с учетом наблюдаемых задача состоит в том, чтобы оценить шаблон на орбите плотных изображений . Процедура Ма использует начальный гипертекст в качестве отправной точки и моделирует шаблон на орбите при неизвестном подлежащем оценке диффеоморфизме , с оцениваемыми параметрами лог-координаты определение геодезического отображения гипершаблона .

в Байесовская случайная орбитальная модель вычислительной анатомии наблюдаемые изображения МРТ моделируются как условно гауссовское случайное поле со средним полем , с случайное неизвестное преобразование шаблона. Задача оценки MAP заключается в оценке неизвестного шаблона учитывая наблюдаемые изображения МРТ.

Процедура Ма для плотных образов требует начального гипертекстового шаблона. в качестве отправной точки и моделирует шаблон на орбите при неизвестном подлежащем оценке диффеоморфизме . Наблюдаемые моделируются как условные случайные поля, а условно-гауссовский случайное поле со средним полем . Неизвестная переменная, которая должна быть явно оценена MAP, - это отображение гипер-шаблона , с другими отображениями, рассматриваемыми как мешающие или скрытые переменные, которые интегрируются с помощью процедуры Байеса. Это достигается с помощью ожидание-максимизация (EM) алгоритм.

Орбитальная модель используется путем связывания неизвестных оцениваемых потоков с их лог-координатами. через риманов геодезический журнал и экспоненциальный за вычислительная анатомия начальное векторное поле в касательном пространстве в единице, так что , с отображение гипер-шаблона. Задача оценки MAP становится

Алгоритм EM принимает в качестве полных данных координаты векторного поля, параметризующие отображение, и итеративно вычислить условное ожидание

  • Вычислить новый шаблон, максимизируя Q-функцию, установив
  • Вычислите аппроксимацию режима для ожидания обновления ожидаемых значений для значений режима:

Рекомендации

  1. ^ Ма, июнь; Миллер, Майкл I .; Юнес, Лоран (01.01.2010). «Байесовская генеративная модель для оценки шаблона поверхности». Международный журнал биомедицинской визуализации. 2010: 1–14. Дои:10.1155/2010/974957. ISSN  1687-4188. ЧВК  2946602. PMID  20885934.
  2. ^ Цю, Аньци; Браун, Тимоти; Фишль, Брюс; Ма, июнь; Миллер, Майкл И. (01.06.2010). «Создание атласа подкорковых и желудочковых структур с его применением в анализе формы». IEEE Transactions по обработке изображений. 19 (6): 1539–1547. Bibcode:2010ITIP ... 19.1539Q. Дои:10.1109 / TIP.2010.2042099. ISSN  1057-7149. ЧВК  2909363. PMID  20129863.
  3. ^ Ма, июнь; Миллер, Майкл I .; Труве, Ален; Юнес, Лоран (1 августа 2008 г.). «Оценка байесовского шаблона в вычислительной анатомии». NeuroImage. 42 (1): 252–261. Дои:10.1016 / j.neuroimage.2008.03.056. ISSN  1053-8119. ЧВК  2602958. PMID  18514544.
  4. ^ Г. Е. Кристенсен, Р. Д. Краббит, М. И. Миллер, Деформируемые шаблоны с использованием кинематики большой деформации, IEEE Trans Image Process. 1996; 5 (10): 1435-47.
  5. ^ Г. Е. Кристенсен, С. К. Джоши, М. И. Миллер, Объемная трансформация анатомии головного мозга IEEE Transactions on Medical Imaging, 1997.
  6. ^ а б П. Дюпюи, У. Гренандер, М.И. Миллер, Существование решений на потоках диффеоморфизмов, Quarterly of Applied Math, 1997.
  7. ^ а б А. Труве. Действие группы бесконечного измерения и разведки в формах. C R Acad Sci Paris Sér I Math, 321 (8): 1031–1034, 1995.
  8. ^ Миллер, Майкл; Банерджи, Аянаншу; Кристенсен, Гэри; Джоши, Саранг; Ханеджа, Навин; Гренандер, Ульф; Матежич, Лариса (01.06.1997). «Статистические методы в вычислительной анатомии». Статистические методы в медицинских исследованиях. 6 (3): 267–299. Дои:10.1177/096228029700600305. ISSN  0962-2802. PMID  9339500. S2CID  35247542.
  9. ^ У. Гренандер и М. И. Миллер (2007-02-08). Теория паттернов: от представления к выводу. Издательство Оксфордского университета. ISBN  9780199297061.
  10. ^ М. И. Миллер, С. Мори, Х. Тан, Д. Твард и Ю. Чжан (2015-02-14). Байесовские множественные деформируемые шаблоны атласа. Картирование мозга: энциклопедический справочник. Академическая пресса. ISBN  9780123973160.
  11. ^ а б c Тан, Сяоин; Голландия, Доминик; Дейл, Андерс М .; Юнес, Лоран; Миллер, Майкл И. (01.01.2015). «Базовые формы диффеоморфометрических паттернов подкорковых и желудочковых структур в прогнозировании конверсии легких когнитивных нарушений в болезнь Альцгеймера». Журнал болезни Альцгеймера. 44 (2): 599–611. Дои:10.3233 / JAD-141605. ISSN  1387-2877. ЧВК  4474004. PMID  25318546.
  12. ^ а б c Тан, Сяоин; Голландия, Доминик; Дейл, Андерс М .; Юнес, Лоран; Миллер, Майкл I .; для инициативы по нейровизуализации болезни Альцгеймера (2015-06-01). «Диффеоморфометрия скорости изменения региональной формы и ее значение для когнитивного ухудшения при легких когнитивных нарушениях и болезни Альцгеймера». Картирование человеческого мозга. 36 (6): 2093–2117. Дои:10.1002 / hbm.22758. ISSN  1097-0193. ЧВК  4474005. PMID  25644981.
  13. ^ а б Тан, Сяоин; Голландия, Доминик; Дейл, Андерс М .; Миллер, Майкл I .; Инициатива по нейровизуализации болезни Альцгеймера (01.01.2015). «APOE влияет на объем и форму миндалины и гиппокампа при легких когнитивных нарушениях и болезни Альцгеймера: возраст имеет значение». Журнал болезни Альцгеймера. 47 (3): 645–660. Дои:10.3233 / JAD-150262. ISSN  1875-8908. ЧВК  5479937. PMID  26401700.
  14. ^ Чернанский, Джон Дж .; Джоши, Саранг; Ван, Лэй; Халлер, Джон В .; Гадо, Мохтар; Миллер, Дж. Филип; Гренандер, Ульф; Миллер, Майкл И. (1998-09-15). «Морфометрия гиппокампа при шизофрении с помощью высокоразмерного картирования мозга». Труды Национальной академии наук Соединенных Штатов Америки. 95 (19): 11406–11411. Bibcode:1998PNAS ... 9511406C. Дои:10.1073 / пнас.95.19.11406. ISSN  0027-8424. ЧВК  21655. PMID  9736749.
  15. ^ Чернанский, Джон Дж .; Ван, Лэй; Джонс, Дональд; Растоги-Круз, Девна; Posener, Joel A .; Гейдебранд, Гитри; Миллер, Дж. Филип; Миллер, Майкл И. (2002-12-01). «Деформации гиппокампа при шизофрении, характеризующиеся высокоразмерным картированием мозга». Американский журнал психиатрии. 159 (12): 2000–2006. Дои:10.1176 / appi.ajp.159.12.2000. ISSN  0002-953X. PMID  12450948. S2CID  14924093.
  16. ^ Wang, L .; Joshi, S.C .; Miller, M. I .; Чернанский, Дж. Г. (2001-09-01). «Статистический анализ асимметрии гиппокампа при шизофрении». NeuroImage. 14 (3): 531–545. Дои:10.1006 / nimg.2001.0830. ISSN  1053-8119. PMID  11506528. S2CID  16573767.
  17. ^ Чернанский, Джон Дж .; Шиндлер, Мэтью К .; Сплинтер, Н. Рейган; Ван, Лэй; Гадо, Мохтар; Селемон, Линн Д .; Растоги-Круз, Девна; Posener, Joel A .; Томпсон, Пол А. (2004-05-01). «Нарушения объема и формы таламуса при шизофрении». Американский журнал психиатрии. 161 (5): 896–902. Дои:10.1176 / appi.ajp.161.5.896. ISSN  0002-953X. PMID  15121656.
  18. ^ Csernansky, J. G .; Wang, L .; Суонк, Дж .; Miller, J. P .; Gado, M .; McKeel, D .; Miller, M. I .; Моррис, Дж. К. (15 апреля 2005 г.). «Доклиническое выявление болезни Альцгеймера: форма и объем гиппокампа предсказывают начало деменции у пожилых людей». NeuroImage. 25 (3): 783–792. Дои:10.1016 / j.neuroimage.2004.12.036. ISSN  1053-8119. PMID  15808979. S2CID  207164390.
  19. ^ Ван, Лэй; Миллер, Дж. Филп; Гадо, Мохтар Х .; МакКил, Дэниел В .; Ротермих, Маркус; Миллер, Майкл I .; Моррис, Джон С .; Чернанский, Джон Г. (2006-03-01). «Аномалии структуры поверхности гиппокампа при очень легкой деменции типа Альцгеймера». NeuroImage. 30 (1): 52–60. Дои:10.1016 / j.neuroimage.2005.09.017. ISSN  1053-8119. ЧВК  2853193. PMID  16243546.
  20. ^ Ван, Лэй; Суонк, Джеффри С .; Глик, Ирена Э .; Гадо, Мохтар Х .; Миллер, Майкл I .; Моррис, Джон С .; Чернанский, Джон Г. (01.10.2003). «Изменения объема и формы гиппокампа с течением времени отличают деменцию типа Альцгеймера от здорового старения». NeuroImage. 20 (2): 667–682. Дои:10.1016 / S1053-8119 (03) 00361-6. ISSN  1053-8119. PMID  14568443. S2CID  21246081.
  21. ^ Posener, Joel A .; Ван, Лэй; Прайс, Джозеф Л .; Гадо, Мохтар Х .; Провинция, Майкл А .; Миллер, Майкл I .; Бабб, Кейси М .; Чернанский, Джон Г. (01.01.2003). «Высокомерное картирование гиппокампа при депрессии». Американский журнал психиатрии. 160 (1): 83–89. Дои:10.1176 / appi.ajp.160.1.83. ISSN  0002-953X. PMID  12505805. S2CID  12131077.
  22. ^ Манн, Мелисса А .; Алексопулос, Джим; Нишино, Томоюки; Бабб, Кейси М .; Flake, Lisa A .; Певица Тиша; Ратнанатер, Дж. Тилак; Хуанг, Хунъянь; Тодд, Ричард Д. (2007-09-01). «Анализ объема миндалевидного тела у женщин-близнецов с большой депрессией». Биологическая психиатрия. 62 (5): 415–422. Дои:10.1016 / j.biopsych.2006.11.031. ISSN  0006-3223. ЧВК  2904677. PMID  17511971.
  23. ^ «Миндалевидное тело и гиппокамп при СДВГ: объемный и морфометрический анализ и связь с симптомами настроения». ResearchGate. Получено 2016-03-22.
  24. ^ Цю, Аньци; Феннема-Нотестин, Кристина; Дейл, Андерс М .; Миллер, Майкл И. (15 апреля 2009 г.). «Региональные аномалии формы при легких когнитивных нарушениях и болезни Альцгеймера». NeuroImage. 45 (3): 656–661. Дои:10.1016 / j.neuroimage.2009.01.013. ISSN  1053-8119. ЧВК  2847795. PMID  19280688.
  25. ^ Цю, Аньци; Юнес, Лоран; Миллер, Майкл I .; Чернанский, Джон Г. (2008-03-01). «Параллельный перенос диффеоморфизмов отличает зависящий от времени характер деформации поверхности гиппокампа, вызванный здоровым старением и деменцией альцгеймеровского типа». NeuroImage. 40 (1): 68–76. Дои:10.1016 / j.neuroimage.2007.11.041. ISSN  1053-8119. ЧВК  3517912. PMID  18249009.
  26. ^ Миллер, Майкл I .; Юнес, Лоран; Ратнанатер, Дж. Тилак; Браун, Тимоти; Рейгель, Томми; Trinh, Huong; Тан, Сяоин; Баркер, Питер; Мори, Сусуму (01.10.2012). «Атрофия миндалевидного тела при MCI / болезни Альцгеймера в когорте BIOCARD на основе диффеоморфной морфометрии». Вычисление медицинских изображений и вмешательство с помощью компьютера: MICCAI ... Международная конференция по вычислению медицинских изображений и вмешательству с помощью компьютера. 2012: 155–166. ЧВК  4063307. PMID  24955432.
  27. ^ Миллер, Майкл I .; Ратнанатер, Дж. Тилак; Tward, Daniel J .; Браун, Тимоти; Ли, Дэвид С .; Кетча, Майкл; Мори, Канами; Ван, Мэй-Ченг; Мори, Сусуму (01.01.2015). «Сетевая нейродегенерация при болезни Альцгеймера с помощью диффеоморфометрии формы на основе МРТ и высокопольного атласинга». Границы биоинженерии и биотехнологии. 3: 54. Дои:10.3389 / fbioe.2015.00054. ЧВК  4515983. PMID  26284236.
  28. ^ Цю, Аньци; Crocetti, Deana; Адлер, Марси; Махоуни, Э. Марк; Denckla, Martha B .; Миллер, Майкл I .; Мостофски, Стюарт Х. (01.01.2009). «Объем и форма базальных ганглиев у детей с синдромом дефицита внимания и гиперактивности». Американский журнал психиатрии. 166 (1): 74–82. Дои:10.1176 / appi.ajp.2008.08030426. ISSN  0002-953X. ЧВК  2890266. PMID  19015232.
  29. ^ Qiu, A .; Адлер, М .; Crocetti, D .; Miller, M. I .; Мостофский, С. Х. (2010). «Формы базальных ганглиев предсказывают социальные, коммуникативные и двигательные дисфункции у мальчиков с расстройством аутистического спектра - Журнал Американской академии детской и подростковой психиатрии». Журнал Американской академии детской и подростковой психиатрии. 49 (6): 539–51, 551.e1–4. Дои:10.1016 / j.jaac.2010.02.012. PMID  20494264. Получено 2016-03-22.
  30. ^ Юнес, Лоран; Ратнанатер, Дж. Тилак; Браун, Тимоти; Эйлуорд, Элизабет; Нопулос, Пег; Джонсон, Ганс; Magnotta, Vincent A .; Полсен, Джейн С .; Марголис, Рассел Л. (2014-03-01). «Регионально селективная атрофия подкорковых структур при продромальном HD, выявленная статистическим анализом формы». Картирование человеческого мозга. 35 (3): 792–809. Дои:10.1002 / hbm.22214. ISSN  1097-0193. ЧВК  3715588. PMID  23281100.
  31. ^ Миллер, Майкл; Юнес, Лоран; Мори, Сусуму; Росс, Кристофер; Ратнанатер, Тилак; Фариа, Андрей; Ноорт, Фрида ван ден; Ван ден Ноорт, Фрида; Фариа, Андрей; Ратнанатер, Тилак; Росс, Кристофер; Мори, Сусуму; Юнес, Лоран; Миллер, Майкл (18.07.2014). "f1000research.com/posters/1096125". F1000 Исследования. 5. Дои:10.7490 / f1000research.1096125.1 (неактивно 11.11.2020). Получено 2016-03-22.CS1 maint: DOI неактивен по состоянию на ноябрь 2020 г. (связь)
  32. ^ Ма, июнь; Миллер, Майкл I .; Юнес, Лоран (01.01.2010). «Байесовская генеративная модель для оценки шаблона поверхности». Международный журнал биомедицинской визуализации. 2010: 1–14. Дои:10.1155/2010/974957. ISSN  1687-4188. ЧВК  2946602. PMID  20885934.
  33. ^ а б «Семантический ученый». www.semanticscholar.org. Получено 2016-04-05.[постоянная мертвая ссылка ]
  34. ^ Ардекани, Сиамак; Вайс, Роберт Дж .; Lardo, Albert C .; Джордж, Ричард Т .; Lima, Joao A.C .; Ву, Кэтрин С .; Миллер, Майкл I .; Уинслоу, Раймонд Л .; Юнес, Лоран (2009-06-01). «Вычислительный метод для определения и количественной оценки особенностей формы ремоделирования левого желудочка человека». Анналы биомедицинской инженерии. 37 (6): 1043–1054. Дои:10.1007 / s10439-009-9677-2. ISSN  1573-9686. ЧВК  2819012. PMID  19322659.
  35. ^ Стейнерт-Трелкельд, Шейн; Ардекани, Сиамак; Mejino, Jose L.V .; Детвилер, Лэндон Тодд; Бринкли, Джеймс Ф .; Холли, Майкл; Кикинис, Рон; Уинслоу, Раймонд Л .; Миллер, Майкл И. (2012-06-01). «Онтологические этикетки для автоматизированного определения различий анатомических форм». Журнал биомедицинской информатики. 45 (3): 522–527. Дои:10.1016 / j.jbi.2012.02.013. ISSN  1532-0480. ЧВК  3371096. PMID  22490168.
  36. ^ Ардекани, Сиамак; Гюнтер, Джеффри; Джайн, Саураб; Вайс, Роберт Дж .; Миллер, Майкл I .; Юнес, Лоран (2014). «Оценка плотного трехмерного движения сердца с использованием разреженных 2D-меченых поперечных срезов МРТ». 2014 36-я ежегодная международная конференция Общества инженеров IEEE в медицине и биологии e. Общество инженерии в медицине и биологии, 2008. Embs 2008. 30-я ежегодная международная конференция IEEE.. 2014. С. 5101–5104. Дои:10.1109 / EMBC.2014.6944772. ISBN  978-1-4244-7929-0. ISSN  1557–170X. ЧВК  4474039. PMID  25571140.