随着磁共振成像(MRI)、超声成像、x射线成像、CT扫描、PET、SPECT和光学成像等生物医学成像方式的日益广泛应用，在临床医学成像和实验室生物成像中取得了许多成功的应用。生物医学成像的最终目标是了解生物体的功能，更重要的是了解疾病的潜在机制。考虑到数据的丰富，计算生物医学成像显然很重要:它决定了有多少信息可以被可靠地提取，因此，它们是否可以用于诸如诊断之类的事情。它需要先进的算法和计算工具。

目前，综合方法在计算生物医学成像中发挥着重要作用。为了从成像数据中获得合理的结果，有几个问题需要适当地解决，包括问题域的表示，适当的模型处理成像生物系统固有的两个特征:复杂性和不确定性，为提取有意义的解而必须使用的解属性建模，以及整合成像数据和模型的优化方法。未来的作者被邀请提交他们的研究贡献有关以下主题的特刊，即，哪些模式可以用来获得必要的信息，为一个特定的应用整合模型?来自这些模式的信息如何能够彼此整合，以及与任何先前的整合?如何验证集成模型?潜在主题包括但不限于:

• 形状表示与分析
• 图像配准与融合
• 功能和分子成像
• 统计和数学模型和仿真
• 图像重建
• 计算机辅助检测/诊断(如肺癌、前列腺癌、乳腺癌、结肠癌、肝癌、急性病、慢性病、骨质疏松症等)

在提交之前，作者应该仔细阅读期刊的作者指南，该指南位于//www.newsama.com/journals/cmmm/guidelines/．未来的作者应通过期刊稿件跟踪系统提交完整稿件的电子副本http://mts.hindawi.com/按下列时间表: