Interpretability of Machine Intelligence in Medical Image Computing, and Topological Data Analysis and Its Applications for Medical Data / Reyes, Mauricio ; Henriques Abreu, Pedro ; Cardoso, Jaime ; Hajij, Mustafa ; Zamzmi, Ghada ; Rahul, Paul ; Thakur, Lokendra  

Público ISBD Ningún comentario para este registro. Título : Interpretability of Machine Intelligence in Medical Image Computing, and Topological Data Analysis and Its Applications for Medical Data : 4th International Workshop, iMIMIC 2021, and 1st International Workshop, TDA4MedicalData 2021, Held in Conjunction with MICCAI 2021, Strasbourg, France, September 27, 2021, Proceedings Tipo de documento: documento electrónico Autores: Reyes, Mauricio, ; Henriques Abreu, Pedro, ; Cardoso, Jaime, ; Hajij, Mustafa, ; Zamzmi, Ghada, ; Rahul, Paul, ; Thakur, Lokendra, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: X, 129 p. 3 ilustraciones ISBN/ISSN/DL: 978-3-030-87444-5 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Visión  Aplicaciones informáticas y de sistemas de información  Aprendizaje automático  Biología Computacional y de Sistemas  Teoría de la Computación  Bioinformática  Informática  Procesamiento de imágenes  Visión por computador Clasificación: 6 Resumen: Este libro constituye las actas conjuntas arbitradas del 4to Taller Internacional sobre Interpretabilidad de la Inteligencia Artificial en Computación de Imágenes Médicas, iMIMIC 2020, y el Primer Taller Internacional sobre Análisis de Datos Topológicos y sus Aplicaciones para Datos Médicos, TDA4MedicalData 2021, celebrado el 27 de septiembre de 2021. , en conjunto con la 24.a Conferencia Internacional sobre Imágenes Médicas e Intervención Asistida por Computadora, MICCAI 2021. Los 7 artículos completos presentados en iMIMIC 2021 y los 5 artículos completos realizados en TDA4MedicalData 2021 fueron cuidadosamente revisados ​​y seleccionados entre 12 presentaciones cada uno. 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. TDA4MedicalData se centra en el uso de técnicas TDA para mejorar el rendimiento, la generalización, la eficiencia y la explicabilidad de los métodos actuales aplicados a los datos médicos. Nota de contenido: iMIMIC 2021 Workshop -- Interpretable Deep Learning for Surgical Tool Management -- Soft Attention Improves Skin Cancer Classification Performance -- Deep Gradient based on Collective Arti cial Intelligence for AD Diagnosis and Prognosis -- This explains That: Congruent Image-Report Generation for Explainable Medical Image Analysis with Cyclic Generative Adversarial Networks -- Visual Explanation by Unifying Adversarial Generation and Feature Importance Attributions -- The Effect of the Loss on Generalization: Empirical Study on Synthetic Lung Nodule Data -- Voxel-level Importance Maps for Interpretable Brain Age Estimation -- TDA4MedicalData Workshop -- Lattice Paths for Persistent Diagrams -- Neighborhood complex based machine learning (NCML) models for drug design -- Predictive modelling of highly multiplexed tumour tissue images by graph neural networks -- Statistical modeling of pulmonary vasculatures with topological priors in CT volumes -- Topological Detection of Alzheimer's Disease using Betti Curves. . Tipo de medio : Computadora Summary : This book constitutes the refereed joint proceedings of the 4th International Workshop on Interpretability of Machine Intelligence in Medical Image Computing, iMIMIC 2020, and the First International Workshop on Topological Data Analysis and Its Applications for Medical Data, TDA4MedicalData 2021, held on September 27, 2021, in conjunction with the 24th International Conference on Medical Imaging and Computer-Assisted Intervention, MICCAI 2021. The 7 full papers presented at iMIMIC 2021 and 5 full papers held at TDA4MedicalData 2021 were carefully reviewed and selected from 12 submissions each. The iMIMIC papers focus on introducing the challenges and opportunities related to the topic of interpretability of machine learning systems in the context of medical imaging and computer assisted intervention. TDA4MedicalData is focusing on using TDA techniques to enhance the performance, generalizability, efficiency, and explainability of the current methods applied to medical data. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Interpretability of Machine Intelligence in Medical Image Computing, and Topological Data Analysis and Its Applications for Medical Data : 4th International Workshop, iMIMIC 2021, and 1st International Workshop, TDA4MedicalData 2021, Held in Conjunction with MICCAI 2021, Strasbourg, France, September 27, 2021, Proceedings [documento electrónico] / Reyes, Mauricio, ; Henriques Abreu, Pedro, ; Cardoso, Jaime, ; Hajij, Mustafa, ; Zamzmi, Ghada, ; Rahul, Paul, ; Thakur, Lokendra,  . -  1 ed.  . - [s.l.] : Springer, 2021 . - X, 129 p. 3 ilustraciones. ISBN : 978-3-030-87444-5 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Visión  Aplicaciones informáticas y de sistemas de información  Aprendizaje automático  Biología Computacional y de Sistemas  Teoría de la Computación  Bioinformática  Informática  Procesamiento de imágenes  Visión por computador Clasificación: 6 Resumen: Este libro constituye las actas conjuntas arbitradas del 4to Taller Internacional sobre Interpretabilidad de la Inteligencia Artificial en Computación de Imágenes Médicas, iMIMIC 2020, y el Primer Taller Internacional sobre Análisis de Datos Topológicos y sus Aplicaciones para Datos Médicos, TDA4MedicalData 2021, celebrado el 27 de septiembre de 2021. , en conjunto con la 24.a Conferencia Internacional sobre Imágenes Médicas e Intervención Asistida por Computadora, MICCAI 2021. Los 7 artículos completos presentados en iMIMIC 2021 y los 5 artículos completos realizados en TDA4MedicalData 2021 fueron cuidadosamente revisados ​​y seleccionados entre 12 presentaciones cada uno. 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. TDA4MedicalData se centra en el uso de técnicas TDA para mejorar el rendimiento, la generalización, la eficiencia y la explicabilidad de los métodos actuales aplicados a los datos médicos. Nota de contenido: iMIMIC 2021 Workshop -- Interpretable Deep Learning for Surgical Tool Management -- Soft Attention Improves Skin Cancer Classification Performance -- Deep Gradient based on Collective Arti cial Intelligence for AD Diagnosis and Prognosis -- This explains That: Congruent Image-Report Generation for Explainable Medical Image Analysis with Cyclic Generative Adversarial Networks -- Visual Explanation by Unifying Adversarial Generation and Feature Importance Attributions -- The Effect of the Loss on Generalization: Empirical Study on Synthetic Lung Nodule Data -- Voxel-level Importance Maps for Interpretable Brain Age Estimation -- TDA4MedicalData Workshop -- Lattice Paths for Persistent Diagrams -- Neighborhood complex based machine learning (NCML) models for drug design -- Predictive modelling of highly multiplexed tumour tissue images by graph neural networks -- Statistical modeling of pulmonary vasculatures with topological priors in CT volumes -- Topological Detection of Alzheimer's Disease using Betti Curves. . Tipo de medio : Computadora Summary : This book constitutes the refereed joint proceedings of the 4th International Workshop on Interpretability of Machine Intelligence in Medical Image Computing, iMIMIC 2020, and the First International Workshop on Topological Data Analysis and Its Applications for Medical Data, TDA4MedicalData 2021, held on September 27, 2021, in conjunction with the 24th International Conference on Medical Imaging and Computer-Assisted Intervention, MICCAI 2021. The 7 full papers presented at iMIMIC 2021 and 5 full papers held at TDA4MedicalData 2021 were carefully reviewed and selected from 12 submissions each. The iMIMIC papers focus on introducing the challenges and opportunities related to the topic of interpretability of machine learning systems in the context of medical imaging and computer assisted intervention. TDA4MedicalData is focusing on using TDA techniques to enhance the performance, generalizability, efficiency, and explainability of the current methods applied to medical data. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200