Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
 
 
DownloadE-Mail
 DetailsÜbersicht
  Bayesian Experimental Design of Magnetic Resonance Imaging Sequences

Seeger, M., Nickisch, H., Pohmann, R., & Schölkopf, B. (2009). Bayesian Experimental Design of Magnetic Resonance Imaging Sequences. Advances in neural information processing systems 21: 22nd Annual Conference on Neural Information Processing Systems 2008, 1441-1448.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-C46D-4 Versions-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-C46E-2
Genre: Konferenzbeitrag

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Seeger, MW1, Autor           
Nickisch, H1, Autor           
Pohmann, R2, Autor           
Schölkopf, B1, Autor           
Koller, Herausgeber
D., Herausgeber
Schuurmans, D., Herausgeber
Bengio, Y., Herausgeber
Bottou, L., Herausgeber
Affiliations:
1Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795              
2Department High-Field Magnetic Resonance, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497796              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: We show how improved sequences for magnetic resonance imaging can be found through automated optimization of Bayesian design scores. Combining recent advances in approximate Bayesian inference and natural image statistics with high-performance numerical computation, we propose the first scalable Bayesian experimental design framework for this problem of high relevance to clinical and brain research. Our solution requires approximate inference for dense, non-Gaussian models on a scale seldom addressed before. We propose a novel scalable variational inference algorithm, and show how powerful methods of numerical mathematics can be modified to compute primitives in our framework. Our approach is evaluated on a realistic setup with raw data from a 3T MR scanner.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2009-06
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: ISBN: 978-1-605-60949-2
URI: http://nips.cc/Conferences/2008/
BibTex Citekey: 5392
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: Twenty-Second Annual Conference on Neural Information Processing Systems (NIPS 2008)
Veranstaltungsort: Vancouver, BC, Canada
Start-/Enddatum: -

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Advances in neural information processing systems 21 : 22nd Annual Conference on Neural Information Processing Systems 2008
Genre der Quelle: Zeitschrift
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: Red Hook, NY, USA : Curran
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 1441 - 1448 Identifikator: -