| Título : |
Medical Computer Vision and Bayesian and Graphical Models for Biomedical Imaging : MICCAI 2016 International Workshops, MCV and BAMBI, Athens, Greece, October 21, 2016, Revised Selected Papers |
| Tipo de documento: |
documento electrónico |
| Autores: |
Müller, Henning, ; Kelm, B. Michael, ; Arbel, Tal, ; Cai, Weidong, ; Cardoso, M. Jorge, ; Langs, Georg, ; Menze, Bjoern, ; Metaxas, Dimitris, ; Montillo, Albert, ; Wells III, William M., ; Zhang, Shaoting, ; Chung, Albert C.S, ; Jenkinson, Mark, ; Ribbens, Annemie, |
| Mención de edición: |
1 ed. |
| Editorial: |
[s.l.] : Springer |
| Fecha de publicación: |
2017 |
| Número de páginas: |
XIII, 222 p. 75 ilustraciones |
| ISBN/ISSN/DL: |
978-3-319-61188-4 |
| 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 por computador Informática Médica Inteligencia artificial Informática Estadistica matematica Sistemas de reconocimiento de patrones Informática de la Salud Probabilidad y Estadística en Informática Aplicaciones matemáticas en informática Reconocimiento de patrones automatizado |
| Índice Dewey: |
006.37 Visión artificial |
| Resumen: |
Este libro constituye las actas posteriores al taller, exhaustivamente arbitradas, del Taller internacional sobre visión médica por computadora, MCV 2016, y del Taller internacional sobre modelos gráficos y bayesianos para imágenes biomédicas, BAMBI 2016, celebrado en Atenas, Grecia, en octubre de 2016. en conjunto con la 19.ª Conferencia Internacional sobre Computación de Imágenes Médicas e Intervención Asistida por Computadora, MICCAI 2016. Los 13 artículos presentados en el taller MCV y los 6 artículos presentados en el taller BAMBI fueron cuidadosamente revisados y seleccionados entre numerosas presentaciones. El objetivo del taller MCV es explorar el uso de algoritmos de "grandes datos" para recopilar, organizar y aprender a partir de conjuntos de datos de imágenes médicas a gran escala y para la comprensión automática de imágenes médicas con fines generales. El taller BAMBI tiene como objetivo resaltar el potencial del uso de modelos gráficos de campo aleatorios o bayesianos para avanzar en la investigación en el análisis de imágenes biomédicas. |
| Nota de contenido: |
Constructing Subject- and Disease-Specific Effect Maps: Application to Neurodegenerative Diseases -- BigBrain: Automated Cortical Parcellation and Comparison with Existing Brain Atlases -- LATEST: Local AdapTivE and Sequential Training for Tissue Segmentation of Isointense Infant Brain MR Images -- Landmark-based Alzheimer's Disease Diagnosis Using Longitudinal Structural MR Images -- Inferring Disease Status by non-Parametric Probabilistic Embedding -- A Lung Graph-Model for Pulmonary Hypertension and Pulmonary Embolism Detection on DECT Images -- Explaining Radiological Emphysema Subtypes with Unsupervised Texture Prototypes: MESA COPD Study -- Automatic Segmentation of Abdominal MRI Using Selective Sampling and Random Walker -- Gaze2Segment: A Pilot Study for Integrating Eye-Tracking Technology into Medical Image Segmentation -- Automatic Detection of Histological Artifacts in Mouse Brain Slice Images -- Lung Nodule Classification by Jointly Using Visual Descriptors and Deep Features -- Representation Learning for Cross-Modality Classification -- Guideline-based Machine Learning for Standard Plane Extraction in 3D Cardiac Ultrasound -- A Statistical Model for Simultaneous Template Estimation, Bias Correction, and Registration of 3D Brain Images -- Bayesian Multiview Manifold Learning Applied to Hippocampus Shape and Clinical Score Data -- Rigid Slice-To-Volume Medical Image Registration through Markov Random Fields -- Sparse Probabilistic Parallel Factor Analysis for the Modeling of PET and Task-fMRI data -- Non-local Graph-based Regularization for Deformable Image Registration -- Unsupervised Framework for Consistent Longitudinal MS Lesion Segmentation. . |
| 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 Computer Vision and Bayesian and Graphical Models for Biomedical Imaging : MICCAI 2016 International Workshops, MCV and BAMBI, Athens, Greece, October 21, 2016, Revised Selected Papers [documento electrónico] / Müller, Henning, ; Kelm, B. Michael, ; Arbel, Tal, ; Cai, Weidong, ; Cardoso, M. Jorge, ; Langs, Georg, ; Menze, Bjoern, ; Metaxas, Dimitris, ; Montillo, Albert, ; Wells III, William M., ; Zhang, Shaoting, ; Chung, Albert C.S, ; Jenkinson, Mark, ; Ribbens, Annemie, . - 1 ed. . - [s.l.] : Springer, 2017 . - XIII, 222 p. 75 ilustraciones. ISBN : 978-3-319-61188-4 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Visión por computador Informática Médica Inteligencia artificial Informática Estadistica matematica Sistemas de reconocimiento de patrones Informática de la Salud Probabilidad y Estadística en Informática Aplicaciones matemáticas en informática Reconocimiento de patrones automatizado |
| Índice Dewey: |
006.37 Visión artificial |
| Resumen: |
Este libro constituye las actas posteriores al taller, exhaustivamente arbitradas, del Taller internacional sobre visión médica por computadora, MCV 2016, y del Taller internacional sobre modelos gráficos y bayesianos para imágenes biomédicas, BAMBI 2016, celebrado en Atenas, Grecia, en octubre de 2016. en conjunto con la 19.ª Conferencia Internacional sobre Computación de Imágenes Médicas e Intervención Asistida por Computadora, MICCAI 2016. Los 13 artículos presentados en el taller MCV y los 6 artículos presentados en el taller BAMBI fueron cuidadosamente revisados y seleccionados entre numerosas presentaciones. El objetivo del taller MCV es explorar el uso de algoritmos de "grandes datos" para recopilar, organizar y aprender a partir de conjuntos de datos de imágenes médicas a gran escala y para la comprensión automática de imágenes médicas con fines generales. El taller BAMBI tiene como objetivo resaltar el potencial del uso de modelos gráficos de campo aleatorios o bayesianos para avanzar en la investigación en el análisis de imágenes biomédicas. |
| Nota de contenido: |
Constructing Subject- and Disease-Specific Effect Maps: Application to Neurodegenerative Diseases -- BigBrain: Automated Cortical Parcellation and Comparison with Existing Brain Atlases -- LATEST: Local AdapTivE and Sequential Training for Tissue Segmentation of Isointense Infant Brain MR Images -- Landmark-based Alzheimer's Disease Diagnosis Using Longitudinal Structural MR Images -- Inferring Disease Status by non-Parametric Probabilistic Embedding -- A Lung Graph-Model for Pulmonary Hypertension and Pulmonary Embolism Detection on DECT Images -- Explaining Radiological Emphysema Subtypes with Unsupervised Texture Prototypes: MESA COPD Study -- Automatic Segmentation of Abdominal MRI Using Selective Sampling and Random Walker -- Gaze2Segment: A Pilot Study for Integrating Eye-Tracking Technology into Medical Image Segmentation -- Automatic Detection of Histological Artifacts in Mouse Brain Slice Images -- Lung Nodule Classification by Jointly Using Visual Descriptors and Deep Features -- Representation Learning for Cross-Modality Classification -- Guideline-based Machine Learning for Standard Plane Extraction in 3D Cardiac Ultrasound -- A Statistical Model for Simultaneous Template Estimation, Bias Correction, and Registration of 3D Brain Images -- Bayesian Multiview Manifold Learning Applied to Hippocampus Shape and Clinical Score Data -- Rigid Slice-To-Volume Medical Image Registration through Markov Random Fields -- Sparse Probabilistic Parallel Factor Analysis for the Modeling of PET and Task-fMRI data -- Non-local Graph-based Regularization for Deformable Image Registration -- Unsupervised Framework for Consistent Longitudinal MS Lesion Segmentation. . |
| 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 |
|  |
Hacer una sugerencia Refinar búsquedaMedical Computer Vision and Bayesian and Graphical Models for Biomedical Imaging / Müller, Henning ; Kelm, B. Michael ; Arbel, Tal ; Cai, Weidong ; Cardoso, M. Jorge ; Langs, Georg ; Menze, Bjoern ; Metaxas, Dimitris ; Montillo, Albert ; Wells III, William M. ; Zhang, Shaoting ; Chung, Albert C.S ; Jenkinson, Mark ; Ribbens, Annemie
