越来越广泛的可用性的生物医学成像模式,即核磁共振成像(MRI),超声成像,x射线成像、CT扫描,宠物,SPECT,和光学成像,已经有许多成功的应用在临床医学影像和实验室生物成像。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,潜在疾病的机制。的财富数据,计算生物医学成像明显问题:它决定了多少信息可以可靠地提取,因此,他们是否可以做的事情,像诊断。它需要先进的算法和计算工具。

如今,综合方法计算生物医学成像中起着重要的作用。为了从图像数据获得合理的结果,有几个问题需要得到妥善处理,包括问题域的表示、适当的模型解决两个成像生物系统固有特性:复杂性和不确定性,建模解决方案的属性,必须用于提取有意义的解决方案,和优化集成成像数据的方法和模型。未来的作者将被邀请提交下列相关研究贡献的主题这个特殊的问题,也就是说,该方法可用于获取必要的信息的综合模型为特定应用程序?这些形式的信息怎么能相互结合,与之前吗?如何集成模型进行验证?潜在的主题包括,但不限于:

• 形状表示和分析
• 图像配准和融合
• 功能和分子成像
• 统计和数学模型和仿真
• 图像重建
• 计算机辅助检测和诊断(如肺癌、前列腺癌、乳腺癌、结肠癌、肝癌、急性疾病、慢性疾病和骨质疏松症)

之前提交的作者应该仔细阅读《华尔街日报》的作者指南,位于//www.newsama.com/journals/cmmm/guidelines/。未来的作者应该提交一份电子版的完整手稿通过跟踪系统在《华尔街日报》手稿http://mts.hindawi.com/根据以下时间表: