Información del autor
Autor Rathore, Saima |
Documentos disponibles escritos por este autor (2)
Crear una solicitud de compra Refinar búsquedaMachine Learning in Clinical Neuroimaging and Radiogenomics in Neuro-oncology / Kia, Seyed Mostafa ; Mohy-ud-Din, Hassan ; Abdulkadir, Ahmed ; Bass, Cher ; Habes, Mohamad ; Rondina, Jane Maryam ; Tax, Chantal ; Wang, Hongzhi ; Wolfers, Thomas ; Rathore, Saima ; Ingalhalikar, Madhura
TÃtulo : Machine Learning in Clinical Neuroimaging and Radiogenomics in Neuro-oncology : Third International Workshop, MLCN 2020, and Second International Workshop, RNO-AI 2020, Held in Conjunction with MICCAI 2020, Lima, Peru, October 4–8, 2020, Proceedings / Tipo de documento: documento electrónico Autores: Kia, Seyed Mostafa, ; Mohy-ud-Din, Hassan, ; Abdulkadir, Ahmed, ; Bass, Cher, ; Habes, Mohamad, ; Rondina, Jane Maryam, ; Tax, Chantal, ; Wang, Hongzhi, ; Wolfers, Thomas, ; Rathore, Saima, ; Ingalhalikar, Madhura, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XVIII, 305 p. 8 ilustraciones ISBN/ISSN/DL: 978-3-030-66843-3 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 por computador Clasificación: 006.37 Resumen: Este libro constituye las actas arbitradas del Tercer Taller Internacional sobre Aprendizaje Automático en Neuroimagen ClÃnica, MLCN 2020, y el Segundo Taller Internacional sobre Radiogenómica en NeurooncologÃa, RNO-AI 2020, celebrado en conjunto con MICCAI 2020, en Lima, Perú. en octubre de 2020.* Para MLCN 2020, se aceptaron para publicación 18 artÃculos de 28 presentados. Los artÃculos aceptados presentan contribuciones novedosas tanto en el desarrollo de nuevos métodos de aprendizaje automático como en aplicaciones de métodos existentes para resolver problemas desafiantes en neuroimagen clÃnica. Para RNO-AI 2020, se aceptaron las 8 presentaciones para su publicación. Se centran en abordar los problemas de aplicar el aprendizaje automático a conjuntos de datos de neuroimagen clÃnica grandes y multisitio. El taller tenÃa como objetivo reunir a expertos tanto en aprendizaje automático como en neuroimagen clÃnica para discutir y, con suerte, superar los desafÃos existentes del aprendizaje automático aplicado en la neurociencia clÃnica. *Los talleres se realizaron de manera virtual debido a la pandemia de COVID-19. Tipo de medio : Computadora Summary : This book constitutes the refereed proceedings of the Third International Workshop on Machine Learning in Clinical Neuroimaging, MLCN 2020, and the Second International Workshop on Radiogenomics in Neuro-oncology, RNO-AI 2020, held in conjunction with MICCAI 2020, in Lima, Peru, in October 2020.* For MLCN 2020, 18 papers out of 28 submissions were accepted for publication. The accepted papers present novel contributions in both developing new machine learning methods and applications of existing methods to solve challenging problems in clinical neuroimaging. For RNO-AI 2020, all 8 submissions were accepted for publication. They focus on addressing the problems of applying machine learning to large and multi-site clinical neuroimaging datasets. The workshop aimed to bring together experts in both machine learning and clinical neuroimaging to discuss and hopefully bridge the existing challenges of applied machine learning in clinical neuroscience. *The workshops were held virtually due to the COVID-19 pandemic. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Machine Learning in Clinical Neuroimaging and Radiogenomics in Neuro-oncology : Third International Workshop, MLCN 2020, and Second International Workshop, RNO-AI 2020, Held in Conjunction with MICCAI 2020, Lima, Peru, October 4–8, 2020, Proceedings / [documento electrónico] / Kia, Seyed Mostafa, ; Mohy-ud-Din, Hassan, ; Abdulkadir, Ahmed, ; Bass, Cher, ; Habes, Mohamad, ; Rondina, Jane Maryam, ; Tax, Chantal, ; Wang, Hongzhi, ; Wolfers, Thomas, ; Rathore, Saima, ; Ingalhalikar, Madhura, . - 1 ed. . - [s.l.] : Springer, 2020 . - XVIII, 305 p. 8 ilustraciones.
ISBN : 978-3-030-66843-3
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 por computador Clasificación: 006.37 Resumen: Este libro constituye las actas arbitradas del Tercer Taller Internacional sobre Aprendizaje Automático en Neuroimagen ClÃnica, MLCN 2020, y el Segundo Taller Internacional sobre Radiogenómica en NeurooncologÃa, RNO-AI 2020, celebrado en conjunto con MICCAI 2020, en Lima, Perú. en octubre de 2020.* Para MLCN 2020, se aceptaron para publicación 18 artÃculos de 28 presentados. Los artÃculos aceptados presentan contribuciones novedosas tanto en el desarrollo de nuevos métodos de aprendizaje automático como en aplicaciones de métodos existentes para resolver problemas desafiantes en neuroimagen clÃnica. Para RNO-AI 2020, se aceptaron las 8 presentaciones para su publicación. Se centran en abordar los problemas de aplicar el aprendizaje automático a conjuntos de datos de neuroimagen clÃnica grandes y multisitio. El taller tenÃa como objetivo reunir a expertos tanto en aprendizaje automático como en neuroimagen clÃnica para discutir y, con suerte, superar los desafÃos existentes del aprendizaje automático aplicado en la neurociencia clÃnica. *Los talleres se realizaron de manera virtual debido a la pandemia de COVID-19. Tipo de medio : Computadora Summary : This book constitutes the refereed proceedings of the Third International Workshop on Machine Learning in Clinical Neuroimaging, MLCN 2020, and the Second International Workshop on Radiogenomics in Neuro-oncology, RNO-AI 2020, held in conjunction with MICCAI 2020, in Lima, Peru, in October 2020.* For MLCN 2020, 18 papers out of 28 submissions were accepted for publication. The accepted papers present novel contributions in both developing new machine learning methods and applications of existing methods to solve challenging problems in clinical neuroimaging. For RNO-AI 2020, all 8 submissions were accepted for publication. They focus on addressing the problems of applying machine learning to large and multi-site clinical neuroimaging datasets. The workshop aimed to bring together experts in both machine learning and clinical neuroimaging to discuss and hopefully bridge the existing challenges of applied machine learning in clinical neuroscience. *The workshops were held virtually due to the COVID-19 pandemic. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Radiomics and Radiogenomics in Neuro-oncology : First International Workshop, RNO-AI 2019, Held in Conjunction with MICCAI 2019, Shenzhen, China, October 13, 2019, Proceedings Tipo de documento: documento electrónico Autores: Mohy-ud-Din, Hassan, ; Rathore, Saima, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: IX, 91 p. 22 ilustraciones, 19 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-40124-5 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 por computador Aprendizaje automático Red de computadoras Software de la aplicacion Sistemas de reconocimiento de patrones Redes de comunicación informática Aplicaciones informáticas y de sistemas de información Reconocimiento de patrones automatizado Clasificación: 006.37 Resumen: Este libro constituye las actas del Primer Taller Internacional sobre Radiómica y Radiogenómica en NeurooncologÃa, RNO-AI 2019, que se celebró junto con MICCAI en Shenzhen, China, en octubre de 2019. Los 10 artÃculos completos presentados en este volumen fueron cuidadosamente revisado y seleccionado entre 15 presentaciones. Se ocupan del desarrollo de herramientas que puedan automatizar el análisis y la sÃntesis de imágenes neurooncológicas. . Nota de contenido: Current Status of the Use of Machine Learning and Magnetic Resonance Imaging in the Field of Neuro- Radiomics -- Opportunities and Advances in Radiomics and Radiogenomics in Neuro-Oncology -- A Survey on Recent Advancements for AI Enabled Radiomics in Neuro-Oncology -- Multimodal MRI for Radiogenomic Analysis of PTEN Mutation in Glioblastoma -- Deep radiomic features from MRI scans predict survival outcome of recurrent glio-blastoma -- cuRadiomics: A GPU-based Radiomics Feature Extraction Toolkit -- On validating multimodal MRI based stratification of IDH genotype in high grade gliomas using CNNs and its comparison to radiomics -- Imaging signature of 1p/19q co-deletion status derived via machine learning in lower grade glioma -- A feature-pooling and signature-pooling method for feature selection for quantitative image analysis: application to a radiomics model for survival in glioma -- Radiomics-Enhanced Multi-Task Neural Network for Non-invasive Glioma Subtyp-ing and Segmentation. . Tipo de medio : Computadora Summary : This book constitutes the proceedings of the First International Workshop on Radiomics and Radiogenomics in Neuro-oncology, RNO-AI 2019, which was held in conjunction with MICCAI in Shenzhen, China, in October 2019. The 10 full papers presented in this volume were carefully reviewed and selected from 15 submissions. They deal with the development of tools that can automate the analysis and synthesis of neuro-oncologic imaging. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Radiomics and Radiogenomics in Neuro-oncology : First International Workshop, RNO-AI 2019, Held in Conjunction with MICCAI 2019, Shenzhen, China, October 13, 2019, Proceedings [documento electrónico] / Mohy-ud-Din, Hassan, ; Rathore, Saima, . - 1 ed. . - [s.l.] : Springer, 2020 . - IX, 91 p. 22 ilustraciones, 19 ilustraciones en color.
ISBN : 978-3-030-40124-5
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 por computador Aprendizaje automático Red de computadoras Software de la aplicacion Sistemas de reconocimiento de patrones Redes de comunicación informática Aplicaciones informáticas y de sistemas de información Reconocimiento de patrones automatizado Clasificación: 006.37 Resumen: Este libro constituye las actas del Primer Taller Internacional sobre Radiómica y Radiogenómica en NeurooncologÃa, RNO-AI 2019, que se celebró junto con MICCAI en Shenzhen, China, en octubre de 2019. Los 10 artÃculos completos presentados en este volumen fueron cuidadosamente revisado y seleccionado entre 15 presentaciones. Se ocupan del desarrollo de herramientas que puedan automatizar el análisis y la sÃntesis de imágenes neurooncológicas. . Nota de contenido: Current Status of the Use of Machine Learning and Magnetic Resonance Imaging in the Field of Neuro- Radiomics -- Opportunities and Advances in Radiomics and Radiogenomics in Neuro-Oncology -- A Survey on Recent Advancements for AI Enabled Radiomics in Neuro-Oncology -- Multimodal MRI for Radiogenomic Analysis of PTEN Mutation in Glioblastoma -- Deep radiomic features from MRI scans predict survival outcome of recurrent glio-blastoma -- cuRadiomics: A GPU-based Radiomics Feature Extraction Toolkit -- On validating multimodal MRI based stratification of IDH genotype in high grade gliomas using CNNs and its comparison to radiomics -- Imaging signature of 1p/19q co-deletion status derived via machine learning in lower grade glioma -- A feature-pooling and signature-pooling method for feature selection for quantitative image analysis: application to a radiomics model for survival in glioma -- Radiomics-Enhanced Multi-Task Neural Network for Non-invasive Glioma Subtyp-ing and Segmentation. . Tipo de medio : Computadora Summary : This book constitutes the proceedings of the First International Workshop on Radiomics and Radiogenomics in Neuro-oncology, RNO-AI 2019, which was held in conjunction with MICCAI in Shenzhen, China, in October 2019. The 10 full papers presented in this volume were carefully reviewed and selected from 15 submissions. They deal with the development of tools that can automate the analysis and synthesis of neuro-oncologic imaging. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
