معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Convex Optimization Modeling for Microstructure Informed Tractography (COMMIT)

ویژگی	مقدار
سیستم عامل	-
نام فایل	dmri-commit-1.6.4
نام	dmri-commit
نسخه کتابخانه	1.6.4
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Alessandro Daducci
ایمیل نویسنده	alessandro.daducci@univr.it
آدرس صفحه اصلی	https://github.com/daducci/COMMIT
آدرس اینترنتی	https://pypi.org/project/dmri-commit/
مجوز	BSD license

======== COMMIT ======== The reconstructions recovered with existing tractography algorithms are not really quantitative even though diffusion MRI is a quantitative modality by nature. As a matter of fact, several techniques have been proposed in recent years to estimate, at the voxel level, intrinsic micro-structural features of the tissue, such as axonal density and diameter, by using multi-compartment models. Convex Optimization Modeling for Microstructure Informed Tractography (COMMIT) implements a novel framework to re-establish the link between tractography and tissue micro-structure. Starting from an input set of candidate fiber-tracts, which can be estimated using standard fiber-tracking techniques, COMMIT models the diffusion MRI signal in each voxel of the image as a linear combination of the restricted and hindered contributions generated in every location of the brain by these candidate tracts. Then, COMMIT seeks for the effective contribution of each of them such that they globally fit the measured signal at best. These weights can be easily estimated by solving a convenient global convex optimization problem and using efficient algorithms. Results clearly demonstrated the benefits of the proposed formulation, opening new perspectives for a more quantitative and biologically-plausible assessment of the structural connectivity in the brain.

نحوه نصب

نصب پکیج whl dmri-commit-1.6.4:

pip install dmri-commit-1.6.4.whl

نصب پکیج tar.gz dmri-commit-1.6.4:

pip install dmri-commit-1.6.4.tar.gz