Autor Maier, Andreas
|
|
Documentos disponibles escritos por este autor (4)
Hacer una sugerencia Refinar búsquedaMachine Learning for Medical Image Reconstruction / Haq, Nandinee ; Johnson, Patricia ; Maier, Andreas ; Würfl, Tobias ; Yoo, Jaejun
Título : Machine Learning for Medical Image Reconstruction : 4th International Workshop, MLMIR 2021, Held in Conjunction with MICCAI 2021, Strasbourg, France, October 1, 2021, Proceedings Tipo de documento: documento electrónico Autores: Haq, Nandinee, ; Johnson, Patricia, ; Maier, Andreas, ; Würfl, Tobias, ; Yoo, Jaejun, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: VIII, 142 p. 53 ilustraciones, 37 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-88552-6 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 Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas arbitradas del 4.º Taller internacional sobre aprendizaje automático para la reconstrucción médica, MLMIR 2021, celebrado junto con MICCAI 2021, en octubre de 2021. Estaba previsto que el taller se llevara a cabo en Estrasburgo, Francia, pero se llevó a cabo virtualmente debido a la pandemia de COVID-19. Los 13 artículos presentados fueron cuidadosamente revisados y seleccionados entre 20 presentaciones. Los artículos están organizados en las siguientes secciones temáticas: aprendizaje profundo para imágenes por resonancia magnética y aprendizaje profundo para la reconstrucción general de imágenes. Nota de contenido: Deep Learning for Magnetic Resonance Imaging -- HyperRecon: Regularization-Agnostic CS-MRI Reconstruction with Hypernetworks -- Efficient Image Registration Network For Non-Rigid Cardiac Motion Estimation -- Evaluation of the robustness of learned MR image reconstruction to systematic deviations between training and test data for the models from the fastMRI challenge -- Self-Supervised Dynamic MRI Reconstruction -- A Simulation Pipeline to Generate Realistic Breast Images For Learning DCE-MRI Reconstruction -- Deep MRI Reconstruction with Generative Vision Transformers -- Distortion Removal and Deblurring of Single-Shot DWI MRI Scans -- One Network to Solve Them All: A Sequential Multi-Task Joint Learning Network Framework for MR Imaging Pipeline -- Physics-informed self-supervised deep learning reconstruction for accelerated rst-pass perfusion cardiac MRI -- Deep Learning for General Image Reconstruction -- Noise2Stack: Improving Image Restoration by Learning from Volumetric Data -- Real-time Video Denoising in Fluoroscopic Imaging -- A Frequency Domain Constraint for Synthetic and Real X-ray Image Super Resolution -- Semi- and Self-Supervised Multi-View Fusion of 3D Microscopy Images using Generative Adversarial Networks. 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 Machine Learning for Medical Image Reconstruction : 4th International Workshop, MLMIR 2021, Held in Conjunction with MICCAI 2021, Strasbourg, France, October 1, 2021, Proceedings [documento electrónico] / Haq, Nandinee, ; Johnson, Patricia, ; Maier, Andreas, ; Würfl, Tobias, ; Yoo, Jaejun, . - 1 ed. . - [s.l.] : Springer, 2021 . - VIII, 142 p. 53 ilustraciones, 37 ilustraciones en color.
ISBN : 978-3-030-88552-6
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia artificial Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas arbitradas del 4.º Taller internacional sobre aprendizaje automático para la reconstrucción médica, MLMIR 2021, celebrado junto con MICCAI 2021, en octubre de 2021. Estaba previsto que el taller se llevara a cabo en Estrasburgo, Francia, pero se llevó a cabo virtualmente debido a la pandemia de COVID-19. Los 13 artículos presentados fueron cuidadosamente revisados y seleccionados entre 20 presentaciones. Los artículos están organizados en las siguientes secciones temáticas: aprendizaje profundo para imágenes por resonancia magnética y aprendizaje profundo para la reconstrucción general de imágenes. Nota de contenido: Deep Learning for Magnetic Resonance Imaging -- HyperRecon: Regularization-Agnostic CS-MRI Reconstruction with Hypernetworks -- Efficient Image Registration Network For Non-Rigid Cardiac Motion Estimation -- Evaluation of the robustness of learned MR image reconstruction to systematic deviations between training and test data for the models from the fastMRI challenge -- Self-Supervised Dynamic MRI Reconstruction -- A Simulation Pipeline to Generate Realistic Breast Images For Learning DCE-MRI Reconstruction -- Deep MRI Reconstruction with Generative Vision Transformers -- Distortion Removal and Deblurring of Single-Shot DWI MRI Scans -- One Network to Solve Them All: A Sequential Multi-Task Joint Learning Network Framework for MR Imaging Pipeline -- Physics-informed self-supervised deep learning reconstruction for accelerated rst-pass perfusion cardiac MRI -- Deep Learning for General Image Reconstruction -- Noise2Stack: Improving Image Restoration by Learning from Volumetric Data -- Real-time Video Denoising in Fluoroscopic Imaging -- A Frequency Domain Constraint for Synthetic and Real X-ray Image Super Resolution -- Semi- and Self-Supervised Multi-View Fusion of 3D Microscopy Images using Generative Adversarial Networks. 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
Título : Machine Learning for Medical Image Reconstruction : First International Workshop, MLMIR 2018, Held in Conjunction with MICCAI 2018, Granada, Spain, September 16, 2018, Proceedings Tipo de documento: documento electrónico Autores: Knoll, Florian, ; Maier, Andreas, ; Rueckert, Daniel, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: X, 158 p. 67 ilustraciones ISBN/ISSN/DL: 978-3-030-00129-2 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 Visión por computador Red de computadoras diseño lógico Informática Médica Redes de comunicación informática Informática de la Salud Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas arbitradas del Primer Taller Internacional sobre Aprendizaje Automático para Reconstrucción Médica, MLMIR 2018, celebrado en conjunto con MICCAI 2018, en Granada, España, en septiembre de 2018. Los 17 artículos completos presentados fueron cuidadosamente revisados y seleccionados de 21 presentaciones. Los artículos están organizados en las siguientes secciones temáticas: aprendizaje profundo para imágenes por resonancia magnética; aprendizaje profundo para tomografía computarizada y aprendizaje profundo para reconstrucción general de imágenes. Nota de contenido: Deep learning for magnetic resonance imaging -- Deep learning for computed tomography -- Deep learning for general image reconstruction. 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 Machine Learning for Medical Image Reconstruction : First International Workshop, MLMIR 2018, Held in Conjunction with MICCAI 2018, Granada, Spain, September 16, 2018, Proceedings [documento electrónico] / Knoll, Florian, ; Maier, Andreas, ; Rueckert, Daniel, . - 1 ed. . - [s.l.] : Springer, 2018 . - X, 158 p. 67 ilustraciones.
ISBN : 978-3-030-00129-2
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia artificial Visión por computador Red de computadoras diseño lógico Informática Médica Redes de comunicación informática Informática de la Salud Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas arbitradas del Primer Taller Internacional sobre Aprendizaje Automático para Reconstrucción Médica, MLMIR 2018, celebrado en conjunto con MICCAI 2018, en Granada, España, en septiembre de 2018. Los 17 artículos completos presentados fueron cuidadosamente revisados y seleccionados de 21 presentaciones. Los artículos están organizados en las siguientes secciones temáticas: aprendizaje profundo para imágenes por resonancia magnética; aprendizaje profundo para tomografía computarizada y aprendizaje profundo para reconstrucción general de imágenes. Nota de contenido: Deep learning for magnetic resonance imaging -- Deep learning for computed tomography -- Deep learning for general image reconstruction. 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
Título : Machine Learning for Medical Image Reconstruction : Second International Workshop, MLMIR 2019, Held in Conjunction with MICCAI 2019, Shenzhen, China, October 17, 2019, Proceedings Tipo de documento: documento electrónico Autores: Knoll, Florian, ; Maier, Andreas, ; Rueckert, Daniel, ; Ye, Jong Chul, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: IX, 266 p. 128 ilustraciones, 94 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-33843-5 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia artificial Ciencias sociales Bioinformática Visión por computador Informática Médica Computadoras y Educación Aplicación informática en ciencias sociales y del comportamiento Biología Computacional y de Sistemas Informática de la Salud Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas arbitradas del Segundo Taller Internacional sobre Aprendizaje Automático para la Reconstrucción Médica, MLMIR 2019, celebrado junto con MICCAI 2019, en Shenzhen, China, en octubre de 2019. Los 24 artículos completos presentados fueron cuidadosamente revisados y seleccionados entre 32 presentaciones. . Los artículos están organizados en las siguientes secciones temáticas: aprendizaje profundo para imágenes por resonancia magnética; aprendizaje profundo para tomografía computarizada; y aprendizaje profundo para la reconstrucción general de imágenes. Nota de contenido: Deep Learning for Magnetic Resonance Imaging -- Recon-GLGAN: A Global-Local context based Generative Adversarial Network for MRI Reconstruction- Self-supervised Recurrent Neural Network for 4D Abdominal and In-utero MR Imaging -- Fast Dynamic Perfusion and Angiography Reconstruction using an end-to-end 3D Convolutional Neural Network -- APIR-Net: Autocalibrated Parallel Imaging Reconstruction using a Neural Network -- Accelerated MRI Reconstruction with Dual-domain Generative Adversarial Network -- Deep Learning for Low-Field to High-Field MR: Image Quality Transfer with Probabilistic Decimation Simulator -- Joint Multi-Anatomy Training of a Variational Network for Reconstruction of Accelerated Magnetic Resonance Image Acquisitions -- Modeling and Analysis Brain Development via Discriminative Dictionary Learning -- Deep Learning for Computed Tomography -- Virtual Thin Slice: 3D Conditional GAN-based Super-resolution for CT Slice Interval -- Data Consistent Artifact Reduction for Limited Angle Tomography with Deep Learning Prior -- Measuring CT Reconstruction Quality with Deep Convolutional Neural Networks -- Deep Learning based Metal Inpainting in the Projection Domain: Initial Results -- Deep Learning for General Image Reconstruction -- Flexible Conditional Image Generation of Missing Data with Learned Mental Maps -- Spatiotemporal PET reconstruction using ML-EM with learned diffeomorphic deformation -- Stain Style Transfer using Transitive Adversarial Networks -- Blind Deconvolution Microscopy Using Cycle Consistent CNN with Explicit PSF Layer -- Deep Learning based approach to quantification of PET tracer uptake in small tumors -- Task-GAN: Improving Generative Adversarial Network for Image Reconstruction -- Gamma Source Location Learning from Synthetic Multi-Pinhole Collimator Data -- Neural Denoising of Ultra-Low Dose Mammography -- Image Reconstruction in a Manifold of Image Patches: Application to Whole-fetus Ultrasound Imaging -- Image Super Resolution via Bilinear Pooling: Application to Confocal Endomicroscopy -- TPSDicyc: Improved Deformation Invariant Cross-domain Medical Image Synthesis -- PredictUS: A Method to Extend the Resolution-Precision Trade-off in Quantitative Ultrasound Image Reconstruction. 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 Machine Learning for Medical Image Reconstruction : Second International Workshop, MLMIR 2019, Held in Conjunction with MICCAI 2019, Shenzhen, China, October 17, 2019, Proceedings [documento electrónico] / Knoll, Florian, ; Maier, Andreas, ; Rueckert, Daniel, ; Ye, Jong Chul, . - 1 ed. . - [s.l.] : Springer, 2019 . - IX, 266 p. 128 ilustraciones, 94 ilustraciones en color.
ISBN : 978-3-030-33843-5
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia artificial Ciencias sociales Bioinformática Visión por computador Informática Médica Computadoras y Educación Aplicación informática en ciencias sociales y del comportamiento Biología Computacional y de Sistemas Informática de la Salud Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro constituye las actas arbitradas del Segundo Taller Internacional sobre Aprendizaje Automático para la Reconstrucción Médica, MLMIR 2019, celebrado junto con MICCAI 2019, en Shenzhen, China, en octubre de 2019. Los 24 artículos completos presentados fueron cuidadosamente revisados y seleccionados entre 32 presentaciones. . Los artículos están organizados en las siguientes secciones temáticas: aprendizaje profundo para imágenes por resonancia magnética; aprendizaje profundo para tomografía computarizada; y aprendizaje profundo para la reconstrucción general de imágenes. Nota de contenido: Deep Learning for Magnetic Resonance Imaging -- Recon-GLGAN: A Global-Local context based Generative Adversarial Network for MRI Reconstruction- Self-supervised Recurrent Neural Network for 4D Abdominal and In-utero MR Imaging -- Fast Dynamic Perfusion and Angiography Reconstruction using an end-to-end 3D Convolutional Neural Network -- APIR-Net: Autocalibrated Parallel Imaging Reconstruction using a Neural Network -- Accelerated MRI Reconstruction with Dual-domain Generative Adversarial Network -- Deep Learning for Low-Field to High-Field MR: Image Quality Transfer with Probabilistic Decimation Simulator -- Joint Multi-Anatomy Training of a Variational Network for Reconstruction of Accelerated Magnetic Resonance Image Acquisitions -- Modeling and Analysis Brain Development via Discriminative Dictionary Learning -- Deep Learning for Computed Tomography -- Virtual Thin Slice: 3D Conditional GAN-based Super-resolution for CT Slice Interval -- Data Consistent Artifact Reduction for Limited Angle Tomography with Deep Learning Prior -- Measuring CT Reconstruction Quality with Deep Convolutional Neural Networks -- Deep Learning based Metal Inpainting in the Projection Domain: Initial Results -- Deep Learning for General Image Reconstruction -- Flexible Conditional Image Generation of Missing Data with Learned Mental Maps -- Spatiotemporal PET reconstruction using ML-EM with learned diffeomorphic deformation -- Stain Style Transfer using Transitive Adversarial Networks -- Blind Deconvolution Microscopy Using Cycle Consistent CNN with Explicit PSF Layer -- Deep Learning based approach to quantification of PET tracer uptake in small tumors -- Task-GAN: Improving Generative Adversarial Network for Image Reconstruction -- Gamma Source Location Learning from Synthetic Multi-Pinhole Collimator Data -- Neural Denoising of Ultra-Low Dose Mammography -- Image Reconstruction in a Manifold of Image Patches: Application to Whole-fetus Ultrasound Imaging -- Image Super Resolution via Bilinear Pooling: Application to Confocal Endomicroscopy -- TPSDicyc: Improved Deformation Invariant Cross-domain Medical Image Synthesis -- PredictUS: A Method to Extend the Resolution-Precision Trade-off in Quantitative Ultrasound Image Reconstruction. 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
Título : Medical Imaging Systems : An Introductory Guide Tipo de documento: documento electrónico Autores: Maier, Andreas, ; Steidl, Stefan, ; Christlein, Vincent, ; Hornegger, Joachim, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: X, 259 p. 167 ilustraciones ISBN/ISSN/DL: 978-3-319-96520-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Procesamiento de imágenes Visión por computador Imágenes por computadora visión reconocimiento de patrones y gráficos Índice Dewey: 6 Resumen: Este libro de acceso abierto ofrece una introducción completa y exhaustiva a los campos de los sistemas de imágenes médicas, diseñados para una amplia gama de aplicaciones. Los autores del libro explican primero los fundamentos de la teoría de sistemas y el procesamiento de imágenes, antes de destacar varias modalidades en un capítulo dedicado. La atención inicial se centra en modalidades que están estrechamente relacionadas con los sistemas de cámaras tradicionales, como la endoscopia y la microscopía. A esto le siguen procesos de formación de imágenes más complejos: resonancia magnética, proyección de rayos X, tomografía computarizada, contraste de fases de rayos X, imágenes nucleares, ultrasonido y tomografía de coherencia óptica. Nota de contenido: Introduction -- System Theory -- Image Processing -- Endoscopy -- Microscopy -- Magnetic Resonance Imaging -- X-ray Imaging -- Computed Tomography -- X-ray Phase Contrast: Research on a Future Imaging Modality -- Emission Tomography -- Ultrasound -- Optical Coherence Tomography -- Acronyms. . 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 Medical Imaging Systems : An Introductory Guide [documento electrónico] / Maier, Andreas, ; Steidl, Stefan, ; Christlein, Vincent, ; Hornegger, Joachim, . - 1 ed. . - [s.l.] : Springer, 2018 . - X, 259 p. 167 ilustraciones.
ISBN : 978-3-319-96520-8
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Procesamiento de imágenes Visión por computador Imágenes por computadora visión reconocimiento de patrones y gráficos Índice Dewey: 6 Resumen: Este libro de acceso abierto ofrece una introducción completa y exhaustiva a los campos de los sistemas de imágenes médicas, diseñados para una amplia gama de aplicaciones. Los autores del libro explican primero los fundamentos de la teoría de sistemas y el procesamiento de imágenes, antes de destacar varias modalidades en un capítulo dedicado. La atención inicial se centra en modalidades que están estrechamente relacionadas con los sistemas de cámaras tradicionales, como la endoscopia y la microscopía. A esto le siguen procesos de formación de imágenes más complejos: resonancia magnética, proyección de rayos X, tomografía computarizada, contraste de fases de rayos X, imágenes nucleares, ultrasonido y tomografía de coherencia óptica. Nota de contenido: Introduction -- System Theory -- Image Processing -- Endoscopy -- Microscopy -- Magnetic Resonance Imaging -- X-ray Imaging -- Computed Tomography -- X-ray Phase Contrast: Research on a Future Imaging Modality -- Emission Tomography -- Ultrasound -- Optical Coherence Tomography -- Acronyms. . 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
