Interpretability of Machine Intelligence in Medical Image Computing and Multimodal Learning for Clinical Decision Support / Suzuki, Kenji ; Reyes, Mauricio ; Syeda-Mahmood, Tanveer ; Konukoglu, Ender ; Glocker, Ben ; Wiest, Roland ; Gur, Yaniv ; Greenspan, Hayit ; Madabhushi, Anant  

Público ISBD Ningún comentario para este registro. Título : Interpretability of Machine Intelligence in Medical Image Computing and Multimodal Learning for Clinical Decision Support : Second International Workshop, iMIMIC 2019, and 9th International Workshop, ML-CDS 2019, Held in Conjunction with MICCAI 2019, Shenzhen, China, October 17, 2019, Proceedings Tipo de documento: documento electrónico Autores: Suzuki, Kenji, ; Reyes, Mauricio, ; Syeda-Mahmood, Tanveer, ; Konukoglu, Ender, ; Glocker, Ben, ; Wiest, Roland, ; Gur, Yaniv, ; Greenspan, Hayit, ; Madabhushi, Anant, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XVI, 93 p. 40 ilustraciones, 35 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-33850-3 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia artificial  Informática de la Salud  Lenguajes formales y teoría de los autómatas  Visión por computador  Teoría de las máquinas  Informática Médica Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas conjuntas arbitradas del Segundo Taller Internacional sobre Interpretabilidad de la Inteligencia Artificial en Computación de Imágenes Médicas, iMIMIC 2019, y el 9º Taller Internacional sobre Aprendizaje Multimodal para el Apoyo a la Decisión Clínica, ML-CDS 2019, celebrado en conjunto con el 22º Taller Internacional Conferencia sobre imágenes médicas e intervención asistida por computadora, MICCAI 2019, en Shenzhen, China, en octubre de 2019. Los 7 artículos completos presentados en iMIMIC 2019 y los 3 artículos completos presentados en ML-CDS 2019 fueron cuidadosamente revisados ​​y seleccionados entre 10 presentaciones para iMIMIC y numerosas presentaciones a ML-CDS. Los artículos de iMIMIC se centran en presentar los desafíos y oportunidades relacionados con el tema de la interpretabilidad de los sistemas de aprendizaje automático en el contexto de las imágenes médicas y la intervención asistida por computadora. Los artículos de ML-CDS analizan el aprendizaje automático en conjuntos de datos multimodales para apoyar la toma de decisiones clínicas y la planificación del tratamiento. . Nota de contenido: Second International Workshop on Interpretability of Machine Intelligence in Medical Image Computing (iMIMIC 2019) -- Testing the robustness of attribution methods for convolutional neural networks in MRI-based Alzheimer's disease classification -- UBS: A Dimension-Agnostic Metric for Concept Vector Interpretability Applied to Radiomics -- Generation of Multimodal Justification Using Visual Word Constraint Model for Explainable Computer-Aided Diagnosis -- Incorporating Task-Specific Structural Knowledge into CNNs for Brain Midline Shift Detection -- Guideline-based Additive Explanation for Computer-Aided Diagnosis of Lung Nodules -- Deep neural network or dermatologist? -- Towards Interpretability of Segmentation Networks by analyzing DeepDreams -- 9th International Workshop on Multimodal Learning for Clinical Decision Support (ML-CDS 2019) -- Towards Automatic Diagnosis from Multi-modal Medical Data -- Deep Learning based Multi-Modal Registration for Retinal Imaging.-Automated Enriched Medical Concept Generation for Chest X-ray Images. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Interpretability of Machine Intelligence in Medical Image Computing and Multimodal Learning for Clinical Decision Support : Second International Workshop, iMIMIC 2019, and 9th International Workshop, ML-CDS 2019, Held in Conjunction with MICCAI 2019, Shenzhen, China, October 17, 2019, Proceedings [documento electrónico] / Suzuki, Kenji, ; Reyes, Mauricio, ; Syeda-Mahmood, Tanveer, ; Konukoglu, Ender, ; Glocker, Ben, ; Wiest, Roland, ; Gur, Yaniv, ; Greenspan, Hayit, ; Madabhushi, Anant,  . -  1 ed.  . - [s.l.] : Springer, 2019 . - XVI, 93 p. 40 ilustraciones, 35 ilustraciones en color. ISBN : 978-3-030-33850-3 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia artificial  Informática de la Salud  Lenguajes formales y teoría de los autómatas  Visión por computador  Teoría de las máquinas  Informática Médica Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas conjuntas arbitradas del Segundo Taller Internacional sobre Interpretabilidad de la Inteligencia Artificial en Computación de Imágenes Médicas, iMIMIC 2019, y el 9º Taller Internacional sobre Aprendizaje Multimodal para el Apoyo a la Decisión Clínica, ML-CDS 2019, celebrado en conjunto con el 22º Taller Internacional Conferencia sobre imágenes médicas e intervención asistida por computadora, MICCAI 2019, en Shenzhen, China, en octubre de 2019. Los 7 artículos completos presentados en iMIMIC 2019 y los 3 artículos completos presentados en ML-CDS 2019 fueron cuidadosamente revisados ​​y seleccionados entre 10 presentaciones para iMIMIC y numerosas presentaciones a ML-CDS. Los artículos de iMIMIC se centran en presentar los desafíos y oportunidades relacionados con el tema de la interpretabilidad de los sistemas de aprendizaje automático en el contexto de las imágenes médicas y la intervención asistida por computadora. Los artículos de ML-CDS analizan el aprendizaje automático en conjuntos de datos multimodales para apoyar la toma de decisiones clínicas y la planificación del tratamiento. . Nota de contenido: Second International Workshop on Interpretability of Machine Intelligence in Medical Image Computing (iMIMIC 2019) -- Testing the robustness of attribution methods for convolutional neural networks in MRI-based Alzheimer's disease classification -- UBS: A Dimension-Agnostic Metric for Concept Vector Interpretability Applied to Radiomics -- Generation of Multimodal Justification Using Visual Word Constraint Model for Explainable Computer-Aided Diagnosis -- Incorporating Task-Specific Structural Knowledge into CNNs for Brain Midline Shift Detection -- Guideline-based Additive Explanation for Computer-Aided Diagnosis of Lung Nodules -- Deep neural network or dermatologist? -- Towards Interpretability of Segmentation Networks by analyzing DeepDreams -- 9th International Workshop on Multimodal Learning for Clinical Decision Support (ML-CDS 2019) -- Towards Automatic Diagnosis from Multi-modal Medical Data -- Deep Learning based Multi-Modal Registration for Retinal Imaging.-Automated Enriched Medical Concept Generation for Chest X-ray Images. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

---

1 (1 - 1 / 1) Par page : 25 50 100 200