Výsledky vyhledávání
- 1.0580462 - ÚPT 2025 RIV US eng J - Článek v odborném periodiku
Shamaei, Amirmohammad - Starčuková, Jana - Rizzo, R. - Starčuk jr., Zenon
Water removal in MR spectroscopic imaging with Casorati singular value decomposition.
Magnetic Resonance in Medicine. Roč. 91, č. 4 (2024), s. 1694-1706. ISSN 0740-3194. E-ISSN 1522-2594
Grant CEP: GA MŠMT(CZ) EF18_046/0016045; GA MŠMT(CZ) LM2018129; GA MŠMT(CZ) LM2023050
GRANT EU: European Commission(XE) 813120 - INSPiRE-MED
Institucionální podpora: RVO:68081731
Klíčová slova: functional MRS * low-rank approximations * MR spectroscopic imaging * water removal * water suppression
Impakt faktor: 3.3, rok: 2022
Způsob publikování: Open access
https://onlinelibrary.wiley.com/doi/full/10.1002/mrm.29959
Trvalý link: https://hdl.handle.net/11104/0349228Název souboru Staženo Velikost Komentář Verze Přístup 2024_Shamaei_MRM_EarlyAccess.pdf 2 3.9 MB Early access, OA - CC BY 4.0 https://creativecommons.org/licenses/by/4.0 Autorský postprint povolen - 2.0570880 - ÚPT 2024 RIV GB eng J - Článek v odborném periodiku
Shamaei, Amirmohammad - Starčuková, Jana - Starčuk jr., Zenon
Physics-informed deep learning approach to quantification of human brain metabolites from magnetic resonance spectroscopy data.
Computers in Biology Medicine. Roč. 158, May (2023), č. článku 106837. ISSN 0010-4825. E-ISSN 1879-0534
Grant CEP: GA MŠMT(CZ) EF18_046/0016045; GA MŠMT(CZ) LM2018129; GA MŠMT(CZ) LM2023050
GRANT EU: European Commission(XE) 813120 - INSPiRE-MED
Institucionální podpora: RVO:68081731
Klíčová slova: MR spectroscopy * Inverse problem * Deep learning * Machine learning * Convolutional neural network * Metabolite quantification
Obor OECD: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Impakt faktor: 7.7, rok: 2022
Způsob publikování: Open access
https://www.sciencedirect.com/science/article/pii/S0010482523003025
Trvalý link: https://hdl.handle.net/11104/0342210Název souboru Staženo Velikost Komentář Verze Přístup 2023_Shamaei_ComputersInBiologyMedicine.pdf 4 8.6 MB OA - CC BY 4.0 https://creativecommons.org/licenses/by/4.0/ Vydavatelský postprint povolen
Vědecká data: Zenodo - 3.0567321 - ÚPT 2024 RIV US eng J - Článek v odborném periodiku
Rizzo, R. - Dziadosz, M. - Kyathanahally, S. P. - Shamaei, Amirmohammad - Kreis, R.
Quantification of MR spectra by deep learning in an idealized setting: Investigation of forms of input, network architectures, optimization by ensembles of networks, and training bias.
Magnetic Resonance in Medicine. Roč. 89, č. 5 (2023), s. 1707-1727. ISSN 0740-3194. E-ISSN 1522-2594
GRANT EU: European Commission(XE) 813120 - INSPiRE-MED
Institucionální podpora: RVO:68081731
Klíčová slova: active learning * bias * deep learning * ensemble of networks * model fitting * magnetic resonance spectroscopy * quantification
Obor OECD: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Impakt faktor: 3.3, rok: 2022
Způsob publikování: Open access
https://onlinelibrary.wiley.com/doi/10.1002/mrm.29561
Trvalý link: https://hdl.handle.net/11104/0338584Název souboru Staženo Velikost Komentář Verze Přístup 2023_Rizzo_MRM.pdf 0 5.2 MB OA - CC BY-NC 4.0 https://creativecommons.org/licenses/by-nc/4.0/ Vydavatelský postprint povolen Rizzo2023_ Quantification_MRM_EarlyAccess.pdf 3 5.2 MB Early access, OA CC BY-NC 4.0 Vydavatelský postprint povolen - 4.0563909 - ÚPT 2023 RIV US eng J - Článek v odborném periodiku
Shamaei, Amirmohammad - Starčuková, Jana - Pavlova, Iveta - Starčuk jr., Zenon
Model-informed unsupervised deep learning approaches to frequency and phase correction of MRS signals.
Magnetic Resonance in Medicine. Roč. 89, č. 3 (2023), s. 1221-1236. ISSN 0740-3194. E-ISSN 1522-2594
GRANT EU: European Commission(XE) 813120 - INSPiRE-MED
Institucionální podpora: RVO:68081731
Klíčová slova: deep learning * edited MRS * frequency correction * MR spectroscopy * phase correction
Obor OECD: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Impakt faktor: 3.3, rok: 2022
Způsob publikování: Open access
https://onlinelibrary.wiley.com/doi/10.1002/mrm.29498
Trvalý link: https://hdl.handle.net/11104/0335691Název souboru Staženo Velikost Komentář Verze Přístup Shamaei2023_Model-informed_MRM.pdf 2 3.9 MB OA CC BY 4.0 Vydavatelský postprint povolen Shamaei2022_MRM_Model-informed.pdf 12 4.9 MB Online First, OA CC BY 4.0 Vydavatelský postprint povolen - 5.0560982 - ÚPT 2023 RIV US eng J - Článek v odborném periodiku
Clarke, W. T. - Bell, T. K. - Emir, U. E. - Mikkelsen, M. - Oeltzschner, G. - Shamaei, Amirmohammad - Soher, B. J. - Wilson, M.
NIfTI-MRS: A standard data format for magnetic resonance spectroscopy.
Magnetic Resonance in Medicine. Roč. 88, č. 6 (2022), s. 2358-2370. ISSN 0740-3194. E-ISSN 1522-2594
GRANT EU: European Commission(XE) 813120 - INSPiRE-MED
Institucionální podpora: RVO:68081731
Klíčová slova: MRS * MRSI * open data format * spectroscopy * visualization
Obor OECD: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Impakt faktor: 3.3, rok: 2022
Způsob publikování: Open access
https://onlinelibrary.wiley.com/doi/10.1002/mrm.29418
Trvalý link: https://hdl.handle.net/11104/0333741Název souboru Staženo Velikost Komentář Verze Přístup Clarke2022_NIfTI‐MRS_MRM.pdf 3 4.7 MB CC BY 4.0 Vydavatelský postprint povolen Clarke2022_NIfTI‐MRS.pdf 13 5.4 MB Online first, CC BY 4.0 Autorský postprint povolen
Vědecká data: Zenodo