Door een staking bij bpost kan je online bestelling op dit moment iets langer onderweg zijn dan voorzien. Dringend iets nodig? Onze winkels ontvangen jou met open armen!

Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België vanaf € 30
Ruim aanbod met 7 miljoen producten

Door een staking bij bpost kan je online bestelling op dit moment iets langer onderweg zijn dan voorzien. Dringend iets nodig? Onze winkels ontvangen jou met open armen!

Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België vanaf € 30
Ruim aanbod met 7 miljoen producten

Winkels

Verlanglijstje

Winkels

Verlanglijstje

Zoeken

Volg ons op

Wist je dat er in Vlaanderen voor iedereen een Standaard Boekhandel is binnen een straal van 7 km?

Zoek een winkel

€ 94,95

+ 189 punten

Levering 2 à 3 weken

Eenvoudig bestellen

Veilig betalen

Gratis thuislevering vanaf € 30 (via bpost)

Gratis levering in je Standaard Boekhandel

Omschrijving

Statistical Computing in Nuclear Imaging introduces aspects of Bayesian computing in nuclear imaging. The book provides an introduction to Bayesian statistics and concepts and is highly focused on the computational aspects of Bayesian data analysis of photon-limited data acquired in tomographic measurements.

Basic statistical concepts, elements of decision theory, and counting statistics, including models of photon-limited data and Poisson approximations, are discussed in the first chapters. Monte Carlo methods and Markov chains in posterior analysis are discussed next along with an introduction to nuclear imaging and applications such as PET and SPECT.

The final chapter includes illustrative examples of statistical computing, based on Poisson-multinomial statistics. Examples include calculation of Bayes factors and risks as well as Bayesian decision making and hypothesis testing. Appendices cover probability distributions, elements of set theory, multinomial distribution of single-voxel imaging, and derivations of sampling distribution ratios. C++ code used in the final chapter is also provided.

The text can be used as a textbook that provides an introduction to Bayesian statistics and advanced computing in medical imaging for physicists, mathematicians, engineers, and computer scientists. It is also a valuable resource for a wide spectrum of practitioners of nuclear imaging data analysis, including seasoned scientists and researchers who have not been exposed to Bayesian paradigms.