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 título. 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. 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: 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. . 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. 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: 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. . 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